| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14页 |
| 1.2 国内外研究现状及发展趋势 | 第14-16页 |
| 1.3 本文主要研究内容 | 第16-18页 |
| 1.4 本文章节安排 | 第18-20页 |
| 第二章 流行为分析与异常检测方法概述 | 第20-30页 |
| 2.1 网络流量自相似性 | 第20-22页 |
| 2.1.1 突发性 | 第20页 |
| 2.1.2 自相似性 | 第20-22页 |
| 2.2 网络流的获取和行为特征分析 | 第22-24页 |
| 2.2.1 NetFlow数据采集方法原理 | 第22-23页 |
| 2.2.2 NetFlow流分析方法 | 第23-24页 |
| 2.3 网络异常检测方法 | 第24-29页 |
| 2.3.1 基于统计分析的异常检测方法 | 第24-25页 |
| 2.3.2 基于机器学习的异常检测方法 | 第25页 |
| 2.3.3 基于数据挖掘的异常检测方法 | 第25-26页 |
| 2.3.4 基于小波分析的异常检测方法 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于连接行为分析的特定网络应用流量异常检测 | 第30-49页 |
| 3.1 相关技术背景 | 第30页 |
| 3.2 网络应用流量连接行为特征分析方法流程 | 第30-33页 |
| 3.3 信息熵的计算方法 | 第33-34页 |
| 3.4 流连接密度的定义 | 第34页 |
| 3.5 实验结果与分析 | 第34-48页 |
| 3.5.1 Oracle数据库应用流连接行为分析与异常检测 | 第34-42页 |
| 3.5.2 财务系统应用流连接行为分析与异常检测 | 第42-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 基于统计特征分析的特定网络应用流量异常行为检测 | 第49-82页 |
| 4.1 研究背景 | 第49-50页 |
| 4.2 检测模型与检测流程 | 第50-52页 |
| 4.3 基于R/S法的Hurst系数计算方法 | 第52-54页 |
| 4.4 基于小波奇异性理论的异常检测方法 | 第54-55页 |
| 4.5 实验结果与分析 | 第55-80页 |
| 4.5.1 Hurst系数经验模型建立依据 | 第55-56页 |
| 4.5.2 服务器端应用流统计特征分析与异常检测 | 第56-72页 |
| 4.5.3 客户端端应用流统计特征分析与异常检测 | 第72-80页 |
| 4.6 本章小结 | 第80-82页 |
| 第五章 总结与展望 | 第82-84页 |
| 5.1 工作总结 | 第82-83页 |
| 5.2 后续工作展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-88页 |
| 攻硕期间取得的研究成果 | 第88-89页 |
