| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8-12页 |
| 1.1.1 DDoS简介 | 第8-11页 |
| 1.1.2 国内外研究现状 | 第11-12页 |
| 1.2 研究的目的和意义 | 第12-13页 |
| 2 隐马尔科夫模型相关技术 | 第13-23页 |
| 2.1 隐马尔科夫模型 | 第13-17页 |
| 2.1.1 马尔科夫模型简介 | 第13-15页 |
| 2.1.2 隐马尔科夫模型简介 | 第15-17页 |
| 2.2 HMM模型的三个基本问题 | 第17-18页 |
| 2.2.1 评估问题 | 第17页 |
| 2.2.2 学习问题 | 第17页 |
| 2.2.3 解码问题 | 第17-18页 |
| 2.3 HMM模型的主要算法 | 第18-22页 |
| 2.3.1 前向算法 | 第18-19页 |
| 2.3.2 后向算法 | 第19-20页 |
| 2.3.3 Baum-Welch算法 | 第20-21页 |
| 2.3.4 Viterbi算法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 DDoS网络异常流量检测方法研究 | 第23-30页 |
| 3.1 传统的DDoS网络异常流量检测方法研究 | 第23-29页 |
| 3.1.1 基于信息熵聚类的DDo S检测方法 | 第23-25页 |
| 3.1.2 基于流量矩阵的DDoS攻击检测方法 | 第25-27页 |
| 3.1.3 基于小波分析的DDoS检测方法 | 第27-29页 |
| 3.2 基于HMM模型的DDoS网络异常流量检测方法研究 | 第29页 |
| 3.3 本章小结 | 第29-30页 |
| 4 主成分分析法进行网络流量特征提取 | 第30-43页 |
| 4.1 主成分分析法 | 第30-33页 |
| 4.1.1 相关系数矩阵的计算 | 第30-31页 |
| 4.1.2 特征值与特征向量的计算 | 第31-32页 |
| 4.1.3 主成分分析法的特点分析 | 第32-33页 |
| 4.2 PCA提取DDoS网络流量特征 | 第33-42页 |
| 4.2.1 DDoS网络流量特征分析 | 第33-36页 |
| 4.2.2 应用PCA提取DDoS网路流量特征 | 第36-42页 |
| 4.3 本章小结 | 第42-43页 |
| 5 基于DDoS流量主成分的隐马尔科夫模型研究 | 第43-59页 |
| 5.1 基于DDoS流量主成分的HMM模型构建 | 第43-51页 |
| 5.1.1 HMM模型初始化参数分析 | 第43-46页 |
| 5.1.2 自定义DBSCAN聚类算法分析 | 第46-48页 |
| 5.1.3 构建隐马尔科夫模型的状态集 | 第48-50页 |
| 5.1.4 构建隐马尔科夫模型状态转移过程 | 第50-51页 |
| 5.2 网络流量主成分的HMM模型训练 | 第51-54页 |
| 5.2.1 主成分状态的提取 | 第51-52页 |
| 5.2.2 网络流量主成分的HMM模型参数设置 | 第52页 |
| 5.2.3 主成分HMM模型的参数训练 | 第52-54页 |
| 5.3 实验验证 | 第54-58页 |
| 5.3.1 实验环境 | 第54页 |
| 5.3.2 实验准备 | 第54-55页 |
| 5.3.3 实验及结果分析 | 第55-58页 |
| 5.4 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64-66页 |
| A.作者在攻读学位期间内发表的论文 | 第64页 |
| B.网络DDoS攻击流量类别及描述 | 第64-66页 |