| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 本论文的主要贡献 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 2 相关技术概述 | 第18-32页 |
| 2.1 云计算概述 | 第18-21页 |
| 2.2 虚拟化技术 | 第21-23页 |
| 2.3 开源云平台 | 第23-25页 |
| 2.4 异常检测技术 | 第25-31页 |
| 2.4.1 基于统计的异常检测技术 | 第26-27页 |
| 2.4.2 基于聚类的异常检测技术 | 第27-28页 |
| 2.4.3 基于分类的异常检测技术 | 第28-29页 |
| 2.4.4 基于最近邻居的异常检测技术 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 面向云平台的虚拟机异常行为检测框架设计 | 第32-42页 |
| 3.1 引言 | 第32-33页 |
| 3.2 面向云平台的虚拟机异常行为检测面临的挑战 | 第33-34页 |
| 3.3 虚拟机运行状态信息定义 | 第34-36页 |
| 3.4 面向云平台的虚拟机异常行为检测的总体设计 | 第36-39页 |
| 3.5 面向云平台的虚拟机异常行为检测流程 | 第39页 |
| 3.6 面向云平台的虚拟机异常行为检测框架的特性 | 第39-40页 |
| 3.7 本章小结 | 第40-42页 |
| 4 虚拟机运行状态信息传输策略研究 | 第42-70页 |
| 4.1 引言 | 第42页 |
| 4.2 相关研究分析 | 第42-48页 |
| 4.2.1 基本的数据传输策略 | 第42-45页 |
| 4.2.2 研究现状及不足 | 第45-48页 |
| 4.3 虚拟机运行状态信息传输模型 | 第48-49页 |
| 4.4 自适应周期性推策略 | 第49-52页 |
| 4.5 基于窗口的事件驱动推策略 | 第52-56页 |
| 4.6 基于窗口的混合推策略 | 第56-61页 |
| 4.7 实验及分析 | 第61-69页 |
| 4.7.1 实验环境及实验方案 | 第61-64页 |
| 4.7.2 实验结果及分析 | 第64-69页 |
| 4.8 本章小结 | 第69-70页 |
| 5 异常检测组件关键技术研究 | 第70-110页 |
| 5.1 引言 | 第70-71页 |
| 5.2 数据降维 | 第71-83页 |
| 5.2.1 数据降维的常用方法 | 第71-73页 |
| 5.2.2 虚拟机性能指标数据降维过程的形式化描述 | 第73-74页 |
| 5.2.3 主元分析法 | 第74-77页 |
| 5.2.4 局部保持投影法 | 第77-79页 |
| 5.2.5 全局感知的局部保持投影法 | 第79-83页 |
| 5.3 异常检测 | 第83-100页 |
| 5.3.1 增量式虚拟机工作负载聚类算法 | 第83-86页 |
| 5.3.2 局部异常因子算法 | 第86-88页 |
| 5.3.3 增量局部异常因子算法 | 第88-97页 |
| 5.3.4 基于核密度估计的控制限计算方法 | 第97-99页 |
| 5.3.5 基于增量局部异常因子算法的在线异常检测机制 | 第99-100页 |
| 5.4 实验及分析 | 第100-107页 |
| 5.4.1 实验环境及实验方案 | 第100-104页 |
| 5.4.2 实验结果及分析 | 第104-107页 |
| 5.5 本章小结 | 第107-110页 |
| 6 总结与展望 | 第110-112页 |
| 6.1 研究总结 | 第110-111页 |
| 6.2 未来展望 | 第111-112页 |
| 致谢 | 第112-114页 |
| 参考文献 | 第114-124页 |
| 附录 | 第124-125页 |
| A. 作者在攻读学位期间发表的论文目录 | 第124-125页 |
| B. 作者在攻读学位期间参加的科研项目 | 第125页 |