Web端用户行为异常检测系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 研究历史与现状 | 第13-14页 |
| 1.3 本文研究内容 | 第14-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第2章 相关技术概述 | 第18-28页 |
| 2.1 入侵检测概述 | 第18-21页 |
| 2.2 异常检测方法概述 | 第21-23页 |
| 2.3 隐马尔可夫模型 | 第23-24页 |
| 2.4 基于Java字节码增强的APM技术 | 第24-27页 |
| 2.4.1 面向切面编程 | 第25-26页 |
| 2.4.2 ASM字节码操控框架 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 用户行为异常检测系统需求分析与架构设计 | 第28-37页 |
| 3.1 需求分析 | 第28-30页 |
| 3.1.1 用户操作行为数据采集的需求 | 第28页 |
| 3.1.2 用户正常行为轮廓建模的需求 | 第28-29页 |
| 3.1.3 用户异常行为检测的需求 | 第29-30页 |
| 3.2 架构设计 | 第30-36页 |
| 3.2.1 数据采集模块 | 第31页 |
| 3.2.2 数据接收模块 | 第31-32页 |
| 3.2.3 预处理模块 | 第32-33页 |
| 3.2.4 存储模块 | 第33页 |
| 3.2.5 学习模块 | 第33-34页 |
| 3.2.6 检测模块 | 第34页 |
| 3.2.7 结果输出模块 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 用户行为数据自动化采集与处理 | 第37-47页 |
| 4.1 数据自动化采集方案设计 | 第37-40页 |
| 4.1.1 埋点技术 | 第37-38页 |
| 4.1.2 自动埋点方案设计 | 第38-40页 |
| 4.2 用户行为数据结构设计 | 第40-42页 |
| 4.3 数据预处理 | 第42-46页 |
| 4.3.1 难点分析与方案设计 | 第42-43页 |
| 4.3.2 处理过程实现 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 用户行为异常检测算法设计与实现 | 第47-58页 |
| 5.1 用户行为异常检测算法设计 | 第47-52页 |
| 5.1.1 基于用户行为序列的检测算法设计 | 第47-50页 |
| 5.1.2 基于用户行为习惯的检测算法设计 | 第50-52页 |
| 5.2 用户行为异常检测算法实现 | 第52-55页 |
| 5.2.1 基于用户行为序列的检测算法实现 | 第52-55页 |
| 5.2.2 基于用户行为习惯的检测算法实现 | 第55页 |
| 5.3 检测流程与分类器设计 | 第55-57页 |
| 5.3.1 训练与检测流程设计 | 第55-57页 |
| 5.3.2 检测结果分类器设计 | 第57页 |
| 5.4 本章小结 | 第57-58页 |
| 第6章 实验设计与分析 | 第58-70页 |
| 6.1 用户行为异常检测系统的有效性验证实验 | 第58-66页 |
| 6.1.1 算法可行性验证实验 | 第59-61页 |
| 6.1.2 噪声比例选取的对比实验 | 第61-63页 |
| 6.1.3 用户行为序列模式选取的对比实验 | 第63-64页 |
| 6.1.4 算法对比实验 | 第64-66页 |
| 6.2 系统数据采集性能分析实验 | 第66-69页 |
| 6.2.1 用户前端操作体验实验 | 第66-67页 |
| 6.2.2 数据采集耗时实验 | 第67-68页 |
| 6.2.3 数据传输所占带宽实验 | 第68-69页 |
| 6.3 本章小结 | 第69-70页 |
| 第7章 总结与展望 | 第70-72页 |
| 7.1 工作总结 | 第70-71页 |
| 7.2 工作展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间主要的研究成果 | 第75-76页 |
| 致谢 | 第76页 |
