基于多特征相似度的大规模网络异常检测
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-14页 |
| ·课题的背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文要解决的问题及主要工作 | 第11-12页 |
| ·本文组织结构 | 第12-14页 |
| 第二章 异常检测及相关技术介绍 | 第14-26页 |
| ·网络异常分析 | 第14-16页 |
| ·网络异常的分类 | 第14-16页 |
| ·网络流量异常 | 第16页 |
| ·入侵检测系统 | 第16-18页 |
| ·入侵检测的定义 | 第16-17页 |
| ·入侵检测的分类 | 第17-18页 |
| ·通用异常检测模型 | 第18-19页 |
| ·常用异常检测方法介绍 | 第19-24页 |
| ·基于数据挖掘 | 第20-21页 |
| ·基于神经网络 | 第21页 |
| ·基于基因算法 | 第21-22页 |
| ·基于统计学方法 | 第22-23页 |
| ·基于贝叶斯 | 第23-24页 |
| ·基于随机过程 | 第24页 |
| ·异常检测在大规模网络环境下所面临的问题 | 第24-26页 |
| 第三章 流量采集方法及相关技术介绍 | 第26-43页 |
| ·网络流量采集技术简介 | 第26页 |
| ·流量采集方式的分类 | 第26-28页 |
| ·基于流的常用网络流量采集方法 | 第28-40页 |
| ·基于数据包嗅探的流量采集技术 | 第29页 |
| ·基于硬件探针的分布式采集技术 | 第29-30页 |
| ·基于SNMP/RMON 的流量采集技术 | 第30-31页 |
| ·基于NetFlow 的流量采集技术 | 第31-40页 |
| ·流量采集技术小结 | 第40-43页 |
| 第四章 多特征相似度的异常检测方法 | 第43-51页 |
| ·相似度与异常检测 | 第43-45页 |
| ·相似度的概念 | 第43-44页 |
| ·异常行为与相似度 | 第44-45页 |
| ·多特征相似度 | 第45-51页 |
| ·网络特征属性 | 第46-48页 |
| ·多特征相似度算法 | 第48-49页 |
| ·算法改进 | 第49-51页 |
| 第五章 多特征相似度异常检测系统的实现 | 第51-87页 |
| ·系统设计需要解决的主要问题 | 第51页 |
| ·总体结构 | 第51-54页 |
| ·流量采集模块 | 第54-67页 |
| ·流量采集模块的设计原则 | 第54-55页 |
| ·配置NetFlow | 第55页 |
| ·流量采集模块的功能设计 | 第55-67页 |
| ·流量采集模块小结 | 第67页 |
| ·训练数据模块 | 第67-81页 |
| ·训练数据收集 | 第68-69页 |
| ·数据库设计 | 第69-73页 |
| ·标准参数形成 | 第73-78页 |
| ·训练数据更新 | 第78-81页 |
| ·异常分析模块 | 第81-87页 |
| ·粗粒度分析 | 第82-86页 |
| ·细粒度分析 | 第86-87页 |
| 第六章 系统测试 | 第87-92页 |
| ·实验环境 | 第87-88页 |
| ·实验结果分析 | 第88-92页 |
| 第七章 总结与展望 | 第92-94页 |
| 致谢 | 第94-95页 |
| 参考文献 | 第95-99页 |
| 攻硕期间取得的研究成果 | 第99-100页 |
