| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第一章 引言 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 国外数字取证研究现状 | 第9-11页 |
| 1.2.2 国内数字取证研究现状 | 第11-12页 |
| 1.2.3 本文的研究目的与意义 | 第12页 |
| 1.2.4 论文的组织与安排 | 第12-14页 |
| 第二章 数字取证与 Hadoop 技术基础 | 第14-29页 |
| 2.1 数字取证 | 第14-17页 |
| 2.1.1 数字取证的概念与特点 | 第14页 |
| 2.1.2 数字取证的一般过程 | 第14-16页 |
| 2.1.3 电子证据的概念与特点 | 第16-17页 |
| 2.2 网络取证 | 第17-20页 |
| 2.2.1 网络取证的研究内容 | 第17-18页 |
| 2.2.2 网络证据 | 第18页 |
| 2.2.3 网络取证模型 | 第18-19页 |
| 2.2.4 常用的网络取证方法 | 第19-20页 |
| 2.3 云计算技术概述 | 第20-29页 |
| 2.3.0 云计算的关键概念 | 第20-22页 |
| 2.3.1 Hadoop 平台 | 第22页 |
| 2.3.2 HDFS | 第22-25页 |
| 2.3.3 Yarn 框架 | 第25-27页 |
| 2.3.4 Map-Reduce 计算方式概述 | 第27-29页 |
| 第三章 基于云的网络流量数字取证分析模型设计与实现 | 第29-46页 |
| 3.1 基于 Hadoop 平台的分布式取证模型总体架构 | 第29-30页 |
| 3.2 流量获取层的实现 | 第30-34页 |
| 3.3 流量分析层设计 | 第34-46页 |
| 3.3.1 支持向量机（SVM）概述 | 第35-38页 |
| 3.3.2 KDD 99 数据集 | 第38-39页 |
| 3.3.3 分布式 SVM 算法 | 第39-43页 |
| 3.3.4 MRFSVM 算法 | 第43-44页 |
| 3.3.5 MRFSVM 的 Map-Reduce 设计 | 第44-46页 |
| 第四章 试验与结果分析 | 第46-51页 |
| 4.1 Hadoop 平台硬件环境 | 第46-47页 |
| 4.2 实验程序设计 | 第47-49页 |
| 4.3 实验结果及分析 | 第49-51页 |
| 第五章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 作者简介及在学期间所取得的科研成果 | 第55-56页 |
| 致谢 | 第56页 |
