| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景与意义 | 第8-9页 |
| ·课题研究背景 | 第8页 |
| ·课题研究意义 | 第8-9页 |
| ·研究现状 | 第9-10页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10页 |
| ·论文主要研究工作 | 第10页 |
| ·论文组织结构 | 第10-12页 |
| 第二章 孤立点挖掘及计算机取证的相关知识 | 第12-18页 |
| ·孤立点挖掘算法 | 第12-14页 |
| ·数据挖掘及孤立点的概念 | 第12-13页 |
| ·孤立点数据挖掘的过程 | 第13页 |
| ·孤立点挖掘算法的主要类型 | 第13-14页 |
| ·计算机取证技术 | 第14-17页 |
| ·计算机取证基本概念 | 第14-15页 |
| ·计算机取证的特点及原则 | 第15页 |
| ·计算机取证的分类 | 第15-16页 |
| ·计算机取证的步骤 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 基于距离的反向 K 近邻孤立点检测算法及其改进 | 第18-26页 |
| ·算法基本思想及其存在的问题 | 第18-20页 |
| ·相关概念 | 第18-19页 |
| ·基于反向 K 近邻的孤立点检测算法基本思想 | 第19页 |
| ·基于反向 K 近邻的孤立点检测算法存在的问题 | 第19-20页 |
| ·改进的基于反向 K 近邻的孤立点检测算法 | 第20-22页 |
| ·通过样本计算自适应的选取 k 值 | 第20页 |
| ·对数据集进行剪枝操作 | 第20-21页 |
| ·改进算法总体流程 | 第21-22页 |
| ·实验结果及分析 | 第22-23页 |
| ·有效性分析 | 第22-23页 |
| ·算法的准确率与执行效率分析 | 第23页 |
| ·本章小结 | 第23-26页 |
| 第四章 基于 MapReduce 的孤立点检测 | 第26-34页 |
| ·Hadoop 概述 | 第26-27页 |
| ·HDFS 介绍 | 第26-27页 |
| ·MapReduce 语言 | 第27页 |
| ·Hadoop 平台的搭建 | 第27-29页 |
| ·平台资源需求及配置流程 | 第27-28页 |
| ·集群搭建 | 第28-29页 |
| ·基于 MapReduce 的孤立点挖掘算法 | 第29-33页 |
| ·基于 MapReduce 的孤立点挖掘算法思想 | 第29-30页 |
| ·基于 MapReduce 的孤立点挖掘算法流程 | 第30-32页 |
| ·算法的准确率及性能分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第五章 基于孤立点挖掘的计算机取证模型设计与实现 | 第34-42页 |
| ·计算机日志的搜集与处理 | 第34页 |
| ·计算机日志内容 | 第34页 |
| ·日志数据预处理技术 | 第34页 |
| ·取证挖掘模型的构建 | 第34-37页 |
| ·取证模型的整体结构 | 第35页 |
| ·取证前端数据采集 | 第35-36页 |
| ·取证后端数据挖掘与分析平台设计 | 第36-37页 |
| ·取证实例分析 | 第37-40页 |
| ·基于用户登录日志的取证模型分析 | 第37-38页 |
| ·实验结果分析 | 第38-40页 |
| ·本章小结 | 第40-42页 |
| 第六章 总结和展望 | 第42-43页 |
| ·主要研究内容 | 第42页 |
| ·下一步工作 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 发表的学术论文及参与的科研项目 | 第46-48页 |
| 致谢 | 第48页 |