| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1. 研究背景及意义 | 第11-13页 |
| 1.1.1. 研究背景 | 第11-12页 |
| 1.1.2. 研究意义 | 第12-13页 |
| 1.2. DDoS攻击检测研究现状 | 第13-14页 |
| 1.2.1. DDoS攻击检测方法 | 第13页 |
| 1.2.2. 存在的问题 | 第13-14页 |
| 1.3. 研究内容 | 第14-15页 |
| 1.4. 论文章节安排 | 第15-16页 |
| 第二章 相关技术研究 | 第16-28页 |
| 2.1. DDoS攻击 | 第16-18页 |
| 2.1.1. DDoS攻击类型 | 第16-17页 |
| 2.1.2. DDoS攻击特点 | 第17-18页 |
| 2.2. DDoS攻击检测技术 | 第18-20页 |
| 2.2.1. 基于统计学的检测方法 | 第18-19页 |
| 2.2.2. 基于信息熵的检测方法 | 第19-20页 |
| 2.2.3. 基于人工智能的检测方法 | 第20页 |
| 2.3. 支持向量机 | 第20-23页 |
| 2.3.1. 支持向量机的基本原理 | 第21页 |
| 2.3.2. 支持向量机模型参数 | 第21-23页 |
| 2.4. 人工蜂群算法优化支持向量机参数方法 | 第23-27页 |
| 2.4.1. 人工蜂群算法 | 第23-25页 |
| 2.4.2. 基于ABC的SVM参数优化方法 | 第25-27页 |
| 2.5. 本章小结 | 第27-28页 |
| 第三章 基于ABC优化SVM的DDOS攻击检测方法 | 第28-43页 |
| 3.1. 数据流描述方法 | 第29-31页 |
| 3.2. 信息增益特征选择 | 第31-32页 |
| 3.3. 基于ABC优化SVM的DDoS攻击检测模型 | 第32-37页 |
| 3.3.1. SVM分类器 | 第33-34页 |
| 3.3.2. 适应度函数 | 第34-35页 |
| 3.3.3. ABC优化SVM参数 | 第35-37页 |
| 3.4. 仿真实验及结果分析 | 第37-42页 |
| 3.4.1. 仿真实验设置 | 第37-38页 |
| 3.4.2. 实验结果及分析 | 第38-42页 |
| 3.5. 本章小结 | 第42-43页 |
| 第四章 基于ABC优化SVM的DDOS攻击检测系统设计与实现 | 第43-57页 |
| 4.1. 系统总体设计 | 第43-45页 |
| 4.1.1. 系统设计原则 | 第43页 |
| 4.1.2. 系统架构及模块 | 第43-45页 |
| 4.2. 数据采集模块 | 第45-46页 |
| 4.3. 数据预处理模块 | 第46-50页 |
| 4.3.1. TCP流重组 | 第47-48页 |
| 4.3.2. 数据解析 | 第48-49页 |
| 4.3.3. 数据标准化 | 第49-50页 |
| 4.4. SVM检测模块 | 第50-51页 |
| 4.5. 攻击检测记录模块 | 第51-53页 |
| 4.5.1. 日志记录 | 第51-52页 |
| 4.5.2. 数据入库 | 第52-53页 |
| 4.6. 特征选择模块 | 第53-54页 |
| 4.7. ABC-SVM训练模块 | 第54-55页 |
| 4.8. 本章小结 | 第55-57页 |
| 第五章 实验验证与结果分析 | 第57-64页 |
| 5.1. 系统功能验证 | 第58-62页 |
| 5.1.1. 数据采集模块测试 | 第59-60页 |
| 5.1.2. 数据预处理模块测试 | 第60页 |
| 5.1.3. 特征选择模块测试 | 第60-61页 |
| 5.1.4. ABC-SVM训练模块测试 | 第61页 |
| 5.1.5. SVM检测模块 | 第61-62页 |
| 5.2. 系统性能验证 | 第62-63页 |
| 5.2.1. 系统检测的DDoS攻击种类验证 | 第62-63页 |
| 5.2.2. 系统的检测率验证 | 第63页 |
| 5.3. 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1. 总结 | 第64页 |
| 6.2. 进一步展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69页 |
