| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状和发展趋势 | 第12-13页 |
| ·本文的主要工作 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 第2章 相关技术的介绍及其研究分析 | 第16-24页 |
| ·网络流量数据 | 第16页 |
| ·网络异常分类 | 第16-18页 |
| ·流量异常检测方法研究 | 第18-21页 |
| ·基于统计分析的异常检测方法 | 第18-19页 |
| ·基于时间序列的异常检测方法 | 第19-20页 |
| ·基于机器学习的异常检测方法 | 第20-21页 |
| ·基于概要数据结构的异常检测方法 | 第21页 |
| ·本章小结 | 第21-24页 |
| 第3章 基于sketch数据结构与正则性分布的异常检测 | 第24-36页 |
| ·问题提出 | 第24-25页 |
| ·相关研究 | 第25-27页 |
| ·网络溯源研究 | 第25页 |
| ·正则性分布分析 | 第25-27页 |
| ·数据结构与算法 | 第27-31页 |
| ·sketch数据结构 | 第27-28页 |
| ·基于sketch数据结构的异常检测算法 | 第28-31页 |
| ·熵值识别算法 | 第31-32页 |
| ·实验与结果分析 | 第32-35页 |
| ·实验数据 | 第32-33页 |
| ·精度对比 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于EMD分解与主成分分析的异常检测 | 第36-50页 |
| ·问题提出 | 第36-37页 |
| ·相关研究 | 第37-39页 |
| ·流量时空相关性分析 | 第37页 |
| ·基于EMD变换的时频特征信号 | 第37-39页 |
| ·主成分分析与算法 | 第39-43页 |
| ·正常流量模型 | 第40-41页 |
| ·基于残余流量的异常检测 | 第41-43页 |
| ·实验与结果分析 | 第43-47页 |
| ·实验数据 | 第43-45页 |
| ·精度对比 | 第45-47页 |
| ·本章小结 | 第47-50页 |
| 第5章 总结与展望 | 第50-52页 |
| ·总结 | 第50-51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-58页 |
| 在读期间发表的学术论文与取得的研究成果 | 第58页 |