数据挖掘在异常网络流量检测中的应用与实现
摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第10-14页 |
1.1 研究背景和意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-12页 |
1.3 本文主要工作和创新点 | 第12页 |
1.4 本文组织结构 | 第12-14页 |
第二章 理论基础及关键技术 | 第14-30页 |
2.1 异常网络流量检测概述 | 第14-18页 |
2.1.1 基本概念 | 第14页 |
2.1.2 常见异常网络流量种类 | 第14-16页 |
2.1.3 异常流量特征总结 | 第16-17页 |
2.1.4 异常流量检测方法 | 第17-18页 |
2.2 数据挖掘概述 | 第18-19页 |
2.2.1 基本概念 | 第18页 |
2.2.2 数据挖掘步骤 | 第18页 |
2.2.3 数据挖掘分析方法 | 第18-19页 |
2.3 神经网络技术 | 第19-26页 |
2.3.1 人工神经网络原理 | 第20-23页 |
2.3.2 BP神经网络模型 | 第23-26页 |
2.3.3 BP神经网络优缺点 | 第26页 |
2.4 遗传算法 | 第26-28页 |
2.4.1 基本概念 | 第26-27页 |
2.4.2 算法要素 | 第27页 |
2.4.3 遗传算法优缺点 | 第27-28页 |
2.5 小结 | 第28-30页 |
第三章 GA-BP算法设计 | 第30-36页 |
3.1 本文算法优化思想 | 第30-31页 |
3.2 GA-BP算法设计 | 第31-34页 |
3.2.1 改进方法 | 第31页 |
3.2.2 算法结合 | 第31-33页 |
3.2.3 算法流程 | 第33-34页 |
3.3 算法评价 | 第34-35页 |
3.4 小结 | 第35-36页 |
第四章 异常网络流量检测系统的设计 | 第36-52页 |
4.1 网络安全管理与监察系统 | 第36-38页 |
4.2 系统设计总计架构 | 第38-39页 |
4.3 数据采集模块设计 | 第39-42页 |
4.3.1 数据采集工具的选择 | 第40-41页 |
4.3.2 模块设计 | 第41-42页 |
4.4 数据整理模块设计 | 第42-45页 |
4.4.1 数据包结构 | 第42-43页 |
4.4.2 特征属性的选择 | 第43-44页 |
4.4.3 模块设计 | 第44-45页 |
4.5 数据挖掘与异常检测模块设计 | 第45-48页 |
4.5.1 结构组成 | 第45-46页 |
4.5.2 模块设计 | 第46-48页 |
4.6 告警模块设计 | 第48-50页 |
4.6.1 事件告警功能介绍 | 第49-50页 |
4.6.2 模块设计 | 第50页 |
4.7 小结 | 第50-52页 |
第五章 系统模块的具体实现 | 第52-62页 |
5.1 数据采集模块的实现 | 第52-54页 |
5.1.1 采集工具的准备 | 第52-53页 |
5.1.2 模块实现 | 第53-54页 |
5.2 数据整理模块的实现 | 第54-56页 |
5.3 数据挖掘和异常检测模块的实现 | 第56-59页 |
5.4 告警模块的实现 | 第59-60页 |
5.5 小结 | 第60-62页 |
第六章 实验与结果分析 | 第62-74页 |
6.1 实验环境介绍 | 第62-63页 |
6.2 实验准备工作 | 第63-65页 |
6.2.1 实验数据集选取 | 第63-64页 |
6.2.2 网络攻击工具介绍 | 第64-65页 |
6.2.3 评价指标 | 第65页 |
6.3 系统实用性实验 | 第65-71页 |
6.3.1 参数初始化 | 第65-66页 |
6.3.2 系统模块工作情况 | 第66-68页 |
6.3.3 真实环境测试 | 第68-71页 |
6.4 系统检测能力实验 | 第71-73页 |
6.4.1 数据预处理 | 第71页 |
6.4.2 神经网络模型的构建 | 第71-72页 |
6.4.3 KDDCup99数据集测试 | 第72-73页 |
6.5 实验结果分析 | 第73页 |
6.6 小结 | 第73-74页 |
第七章 总结与展望 | 第74-76页 |
7.1 论文总结 | 第74页 |
7.2 进一步工作展望 | 第74-76页 |
参考文献 | 第76-80页 |
致谢 | 第80页 |