基于大数据的网络恶意流量分析系统的设计与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究内容 | 第10页 |
| 1.3 研究现状 | 第10-12页 |
| 1.3.1 基于主机的恶意流量检测系统 | 第11页 |
| 1.3.2 基于网络的恶意流量检测系统 | 第11-12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第二章 大数据下的网络安全 | 第14-25页 |
| 2.1 大数据时代 | 第14-18页 |
| 2.1.1 大数据的特征 | 第14-15页 |
| 2.1.2 大数据环境下的网络安全分析 | 第15-16页 |
| 2.1.3 安全防护措施 | 第16-18页 |
| 2.2 僵尸网络 | 第18-24页 |
| 2.2.1 僵尸网络概述 | 第18-20页 |
| 2.2.2 僵尸网络分类 | 第20-21页 |
| 2.2.3 僵尸网络检测 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 网络行为分析监控系统的设计与实现 | 第25-38页 |
| 3.1 引言 | 第25页 |
| 3.2 系统架构设计 | 第25-26页 |
| 3.3 闭环蜜罐组件设计与实现 | 第26-28页 |
| 3.3.1 闭环蜜罐系统架构 | 第26-27页 |
| 3.3.2 通信通道 | 第27页 |
| 3.3.3 疑URL选择算法 | 第27-28页 |
| 3.4 Hadoop平台组件设计与实现 | 第28-35页 |
| 3.4.1 Hadoop集群和网络 | 第29-30页 |
| 3.4.2 HDFS | 第30-33页 |
| 3.4.3 MapReduce | 第33-35页 |
| 3.5 恶意流量检测系统测试及性能分析 | 第35-37页 |
| 3.5.1 测试平台搭建 | 第35-36页 |
| 3.5.2 测试数据准备 | 第36页 |
| 3.5.3 测试样例及测试结果 | 第36-37页 |
| 3.5.4 系统能力评估 | 第37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 基于复合会话的恶意流量检测系统 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 基于Hadoop平台的数据采集 | 第38-41页 |
| 4.3 基于复合会话的数据预处理算法 | 第41-44页 |
| 4.3.1 总体思路 | 第41-42页 |
| 4.3.2 数据处理算法 | 第42-44页 |
| 4.4 基于概率密度分布的恶意流量检测算法 | 第44-46页 |
| 4.4.1 僵尸网络识别 | 第44-45页 |
| 4.4.2 DDoS进攻和端口扫描进攻识别 | 第45-46页 |
| 4.5 算法有效性的分析和验证 | 第46-49页 |
| 4.5.1 僵尸网络 | 第46-48页 |
| 4.5.2 DDoS进攻和端口扫描进攻 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 基于复合会话的聚类优化算法 | 第50-58页 |
| 5.1 引言 | 第50页 |
| 5.2 复合会话中离群点的剔除 | 第50-53页 |
| 5.2.1 常用的离群点检测算法 | 第50-52页 |
| 5.2.2 基于复合会话的离群点检测算法 | 第52-53页 |
| 5.3 基于主成分分析的聚类优化算法 | 第53-54页 |
| 5.3.1 主成分分析 | 第53-54页 |
| 5.3.2 基于复合会话的K-means聚类算法 | 第54页 |
| 5.4 聚类结果分析 | 第54-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-61页 |
| 6.1 全文工作总结 | 第58-59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |
