| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 安全模型 | 第12页 |
| 1.3.2 入侵检测系统概述 | 第12-15页 |
| 1.4 论文主要工作 | 第15页 |
| 1.5 论文组织结构 | 第15-17页 |
| 第二章 相关技术基础 | 第17-27页 |
| 2.1 NetFlow技术 | 第17-22页 |
| 2.1.1 NetFlow技术概述 | 第17页 |
| 2.1.2 NetFlow技术的原理 | 第17-19页 |
| 2.1.3 NetFlow报文格式 | 第19-21页 |
| 2.1.4 NetFlow技术的应用 | 第21-22页 |
| 2.2 多种流量采集方式的比较 | 第22-25页 |
| 2.2.1 基于SNMP的流量采集方式 | 第22-23页 |
| 2.2.2 基于Prob探针的流量采集方式 | 第23页 |
| 2.2.3 基于NetFlow的流量采集方式 | 第23-24页 |
| 2.2.4 各种流量采集方式对比分析 | 第24-25页 |
| 2.3 目前流量分类技术现状 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 网络流量分类混合诊断分析系统的设计 | 第27-45页 |
| 3.1 常见的异常流量分析 | 第27-30页 |
| 3.2 网络流量层次化分类方案 | 第30-34页 |
| 3.2.1 多层流量分类方案的提出 | 第31-34页 |
| 3.3 异常流量混合诊断工具 | 第34-38页 |
| 3.3.1 信息熵与子空间 | 第34-36页 |
| 3.3.2 朴素贝叶斯网络 | 第36-38页 |
| 3.4 异常流量分析工具 | 第38-44页 |
| 3.4.1 BP神经网络的概念 | 第38-40页 |
| 3.4.2 BP神经网络的学习 | 第40-43页 |
| 3.4.3 BP神经网络在入侵攻击分类中的具体应用 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 网络流量分类混合诊断分析系统的实现 | 第45-60页 |
| 4.1 流量分类诊断分析系统总体方案设计 | 第45-46页 |
| 4.1.1 系统的设计目标 | 第45页 |
| 4.1.2 总体方案的设计 | 第45-46页 |
| 4.2 流量采集模块的实现 | 第46-47页 |
| 4.3 数据预处理模块的实现 | 第47-48页 |
| 4.4 流量分类模块的实现 | 第48-49页 |
| 4.5 异常流量混合诊断模块的实现 | 第49-51页 |
| 4.5.1 基于PCA的信息熵子空间异常流量诊断 | 第49-50页 |
| 4.5.2 基于朴素贝叶斯网络异常流量诊断 | 第50-51页 |
| 4.6 异常流量分析模块的实现 | 第51-59页 |
| 4.6.1 GFR算法对网络流量最优特征子集搜索和提取 | 第51-53页 |
| 4.6.2 BP神经网络的结构设计 | 第53-55页 |
| 4.6.3 BP神经网络的攻击分类模块的实现 | 第55-59页 |
| 4.7 本章小结 | 第59-60页 |
| 第五章 实验及分析 | 第60-69页 |
| 5.1 实验目的 | 第60页 |
| 5.2 实验环境配置 | 第60页 |
| 5.3 实验准备工作 | 第60-63页 |
| 5.4 研究结果分析 | 第63-68页 |
| 5.4.1 三层逐层流量分类模型的有效性评估 | 第63-64页 |
| 5.4.2 多层混合异常流量诊断效果分析 | 第64-66页 |
| 5.4.3 神经网络攻击分类的准确率分析 | 第66-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-70页 |
| 6.1 本文总结 | 第69页 |
| 6.2 工作展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |