| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第一章 绪论 | 第14-21页 |
| ·研究背景及意义 | 第14-15页 |
| ·相关研究现状 | 第15-18页 |
| ·网络异常事件关联分析中常用的网络参数 | 第15-16页 |
| ·网络异常事件关联分析的不确定性问题研究现状 | 第16-18页 |
| ·本文主要研究内容 | 第18-19页 |
| ·实验数据源简介 | 第19页 |
| ·本文组织结构 | 第19-21页 |
| 第二章 骨干通信网异常事件关联分析中的不确定性 | 第21-37页 |
| ·网络异常事件关联分析及其中存在的不确定性 | 第21-24页 |
| ·网络异常事件关联分析的基本思路 | 第21-23页 |
| ·骨干网异常事件关联的特殊性 | 第23-24页 |
| ·骨干网异常事件关联分析过程中存在的不确定性 | 第24页 |
| ·数据分流的粗粒度引起的不确定性 | 第24-32页 |
| ·原始流量按协议的分级结构 | 第24-26页 |
| ·流大小的不对等性引起的分流粒度粗时的关联不确定性 | 第26-29页 |
| ·异常与分流的相关性引起的分流粒度粗时的关联不确定性 | 第29-32页 |
| ·参数的粗粒度引起的不确定性 | 第32-34页 |
| ·使用粗粒度的参数引起的关联不确定性 | 第32-33页 |
| ·使用粗细粒度结合的网络参数降低关联分析的不确定性 | 第33-34页 |
| ·不确定性起因对关联分析结果的影响分析 | 第34-36页 |
| ·各种不确定性起因对检测能力的影响 | 第34-35页 |
| ·各种不确定性起因对识别能力的影响 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 使用多流多特征参数降低异常检测的不确定性 | 第37-52页 |
| ·基于离群点挖掘的骨干通信网异常检测方法 | 第37-38页 |
| ·离群点挖掘与网络异常检测 | 第37页 |
| ·基于局部密度的时序离群点挖掘算法 | 第37-38页 |
| ·不同分流级别上关联分析的不确定性 | 第38-48页 |
| ·未分流数据上的异常检测不确定性 | 第38-40页 |
| ·协议级分流上的异常检测不确定性 | 第40-43页 |
| ·TCP 控制位级分流上的异常检测不确定性 | 第43-47页 |
| ·异常检测结果的综合分析 | 第47-48页 |
| ·不同参数粒度上关联分析的不确定性 | 第48-49页 |
| ·使用粗粒度参数时的异常检测不确定性 | 第48页 |
| ·使用中等粒度参数时的异常检测不确定性 | 第48-49页 |
| ·使用多流多特征方法逐步降低异常检测的不确定性 | 第49-51页 |
| ·多流多特征方法的实施步骤 | 第50页 |
| ·应用于实际异常检测要考虑的因素 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 使用多流多特征参数降低异常识别的不确定性 | 第52-67页 |
| ·基于朴素贝叶斯分类器（NBC）的异常识别方法 | 第52-55页 |
| ·朴素贝叶斯分类器简介 | 第52-53页 |
| ·通过特征选择算法提高分类准确度 | 第53页 |
| ·基于关联的快速过滤算法（FCBF）简介 | 第53-54页 |
| ·基于朴素贝叶斯分类器的异常识别过程 | 第54-55页 |
| ·通过使用粗细粒度结合的参数降低异常识别的不确定性 | 第55-65页 |
| ·使用粗粒度参数时的异常识别不确定性 | 第55-60页 |
| ·使用四元组熵值参数时的异常识别不确定性 | 第60-64页 |
| ·异常识别结果的综合分析 | 第64-65页 |
| ·数据分流对降低异常识别不确定性的作用 | 第65页 |
| ·使用多流多特征方法逐步降低异常识别的不确定性 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 结束语 | 第67-69页 |
| ·本文研究工作总结 | 第67页 |
| ·工作展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 个人简历 | 第73-74页 |
| 硕士研究生期间的研究成果 | 第74-75页 |
| 在攻读硕士学位期间参加的科研项目 | 第75-76页 |
