| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 SDN安全研究 | 第10-11页 |
| 1.2.2 DDoS攻击检测研究 | 第11-12页 |
| 1.3 研究内容和创新点 | 第12-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 创新点 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 2 相关技术及原理 | 第15-27页 |
| 2.1 SDN技术 | 第15-19页 |
| 2.1.1 SDN架构 | 第15-17页 |
| 2.1.2 OpenFlow技术 | 第17-19页 |
| 2.2 DDoS攻击 | 第19-22页 |
| 2.2.1 DDoS攻击原理 | 第19页 |
| 2.2.2 常见的DDoS攻击类型 | 第19-22页 |
| 2.3 深度学习技术 | 第22-26页 |
| 2.3.1 深度学习基本概念 | 第22-23页 |
| 2.3.2 深度学习基本模型 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 SDN中基于深度学习混合模型的DDoS攻击检测研究 | 第27-49页 |
| 3.1 现有基于机器学习的DDoS攻击检测技术 | 第27-28页 |
| 3.2 基于混合模型的DDoS攻击检测 | 第28-35页 |
| 3.2.1 DDoS攻击检测架构 | 第28-29页 |
| 3.2.2 DCNN模型 | 第29-33页 |
| 3.2.3 DSAE模型 | 第33-35页 |
| 3.3 模型输入特征构建 | 第35-39页 |
| 3.4 实验及结果分析 | 第39-48页 |
| 3.4.1 实验环境及评估指标 | 第39-40页 |
| 3.4.2 实验结果分析 | 第40-48页 |
| 3.5 本章小结 | 第48-49页 |
| 4 SDN中基于深度学习混合模型的攻击检测防御系统设计 | 第49-64页 |
| 4.1 现有DDoS攻击防御 | 第49-51页 |
| 4.2 基于深度学习混合模型的DDoS防御系统 | 第51-53页 |
| 4.3 预处理模块 | 第53-57页 |
| 4.3.1 预处理模块设计 | 第53-54页 |
| 4.3.2 预处理算法设计 | 第54-57页 |
| 4.4 攻击检测模块 | 第57-60页 |
| 4.4.1 攻击检测模块设计 | 第57-58页 |
| 4.4.2 攻击检测流程 | 第58-60页 |
| 4.5 防御模块 | 第60-63页 |
| 4.5.1 防御模块设计 | 第60-62页 |
| 4.5.2 防御流程 | 第62-63页 |
| 4.6 本章小结 | 第63-64页 |
| 5 DDoS攻击检测防御系统实验 | 第64-79页 |
| 5.1 实验环境搭建 | 第64-66页 |
| 5.1.1 控制器及仿真器选择 | 第64-65页 |
| 5.1.2 深度学习框架选择 | 第65-66页 |
| 5.2 实验过程及结果分析 | 第66-78页 |
| 5.2.1 流量的产生 | 第66-67页 |
| 5.2.2 模型及网络的构建 | 第67-71页 |
| 5.2.3 流程及结果分析 | 第71-78页 |
| 5.3 本章小结 | 第78-79页 |
| 6 总结与展望 | 第79-81页 |
| 6.1 论文总结 | 第79-80页 |
| 6.2 展望 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 本文作者硕士期间取得的成果 | 第84-85页 |
| 致谢 | 第85-86页 |