| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 引言 | 第9-10页 |
| 1.2 选题背景和目的 | 第10-11页 |
| 1.3 论文内容和安排 | 第11-13页 |
| 第2章 网络流量异常检测技术概述 | 第13-27页 |
| 2.1 网络流量异常分类介绍 | 第13-20页 |
| 2.1.1 网络故障异常 | 第13页 |
| 2.1.2 瞬间大量访问异常 | 第13-14页 |
| 2.1.3 恶意下载等对网络资源的不当使用 | 第14页 |
| 2.1.4 网络攻击异常 | 第14-20页 |
| 2.2 网络流量异常检测分类介绍 | 第20-21页 |
| 2.2.1 特征检测的方法 | 第20页 |
| 2.2.2 异常检测方法 | 第20-21页 |
| 2.3 异常检测的主要方法介绍 | 第21-25页 |
| 2.3.1 异常检测模型 | 第21-22页 |
| 2.3.2 经典的异常检测方法 | 第22-25页 |
| 2.4 网络流量异常检测方法的总结与分析 | 第25页 |
| 2.5 本文方法 | 第25-27页 |
| 第3章 信息熵理论和改进SVM方法 | 第27-40页 |
| 3.1 信息熵 | 第27-30页 |
| 3.1.1 信息熵的定义 | 第27-28页 |
| 3.1.2 异常检测应用的信息熵 | 第28-30页 |
| 3.1.3 流量的熵值特征 | 第30页 |
| 3.2 支持向量机-SVM | 第30-38页 |
| 3.2.1 支持向量机的基本思想 | 第31-32页 |
| 3.2.2 SVM的主要目的 | 第32页 |
| 3.2.3 SVM的基本原理 | 第32-35页 |
| 3.2.4 核函数 | 第35-36页 |
| 3.2.5 改进SVM的基本思想 | 第36-38页 |
| 3.3 信息熵与SVM的关系 | 第38-39页 |
| 3.4 小结 | 第39-40页 |
| 第4章 基于信息熵和改进SVM的异常流量检测模型建立 | 第40-49页 |
| 4.1 泊松抽样方法简介 | 第40-42页 |
| 4.2 支持向量机算法的一般形式 | 第42-43页 |
| 4.3 改进后的异常检测方法的操作步骤 | 第43-47页 |
| 4.3.1 信息熵特征选择 | 第43页 |
| 4.3.2 计算信息熵值 | 第43-44页 |
| 4.3.3 预处理数据 | 第44-46页 |
| 4.3.4 异常的检测与预警 | 第46-47页 |
| 4.4 异常流量检测的模型 | 第47-48页 |
| 4.5 小结 | 第48-49页 |
| 第5章 实验与分析 | 第49-66页 |
| 5.1 网络流量收集工具-NETFLOW | 第49-53页 |
| 5.1.1 NetFlow简介 | 第49页 |
| 5.1.2 NetFlow框架结构 | 第49-50页 |
| 5.1.3 NetFlow流信息格式 | 第50-53页 |
| 5.2 网络流量特征的获得 | 第53-54页 |
| 5.3 实验环境的配置 | 第54-57页 |
| 5.4 注入攻击 | 第57-59页 |
| 5.5 数据训练工具 | 第59-60页 |
| 5.6 实验分析 | 第60-65页 |
| 5.6.1 评估指标 | 第61-64页 |
| 5.6.2 异常判断分析 | 第64页 |
| 5.6.3 时间复杂度的分析 | 第64-65页 |
| 5.7 实验小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |