| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 研究现状 | 第11-12页 |
| 1.4 论文结构 | 第12-14页 |
| 第二章 网络流量监测识别及网络用户行为 | 第14-22页 |
| 2.1 概述 | 第14页 |
| 2.2 网络流量监测技术 | 第14-18页 |
| 2.2.1 网络流量监测意义 | 第14-15页 |
| 2.2.2 网络流量监测技术 | 第15-18页 |
| 2.3 网络用户行为分析现状 | 第18-20页 |
| 2.3.1 网络用户行为分析概述 | 第18-19页 |
| 2.3.2 网络用户行为特征变化 | 第19-20页 |
| 2.3.3 网络用户行为分析方法 | 第20页 |
| 2.4 总结 | 第20-22页 |
| 第三章 大数据分析平台—Hadoop | 第22-30页 |
| 3.1 概述 | 第22页 |
| 3.2 分布式文件系统 | 第22-23页 |
| 3.2.1 分布式文件系统介绍 | 第22-23页 |
| 3.2.2 GFS介绍 | 第23页 |
| 3.3 Hadoop技术介绍 | 第23-28页 |
| 3.3.1 Hadoop系统框架 | 第24-25页 |
| 3.3.2 Hadoop运行机制 | 第25-26页 |
| 3.3.3 MapReduce编程框架 | 第26页 |
| 3.3.4 HDFS分布式文件系统 | 第26-27页 |
| 3.3.5 HBase数据库 | 第27-28页 |
| 3.3.6 Hive | 第28页 |
| 3.4 总结 | 第28-30页 |
| 第四章 用户行为分析系统框架 | 第30-38页 |
| 4.1 概述 | 第30页 |
| 4.2 用户行为分析系统概述 | 第30-31页 |
| 4.3 网络采集模块 | 第31-32页 |
| 4.4 数据预处理模块 | 第32-36页 |
| 4.4.1 HTTP报文数据预处理 | 第32页 |
| 4.4.2 DNS报文数据预处理 | 第32-33页 |
| 4.4.3 复合会话报文数据预处理 | 第33-36页 |
| 4.5 数据分析模块 | 第36-37页 |
| 4.6 总结 | 第37-38页 |
| 第五章 基于HTTP和DNS报文的用户行为分析 | 第38-54页 |
| 5.1 概述 | 第38页 |
| 5.2 HTTP报文分析 | 第38-45页 |
| 5.2.1 数据描述 | 第38页 |
| 5.2.2 Agent、DstIP和SrcIP关系 | 第38-39页 |
| 5.2.3 用户访问公网节点分析 | 第39-42页 |
| 5.2.4 用户周期性访问分析 | 第42-45页 |
| 5.3 DNS报文分析 | 第45-52页 |
| 5.3.1 域名主机覆盖分析 | 第45-49页 |
| 5.3.2 域名的解析稳定度分析 | 第49-52页 |
| 5.4 总结 | 第52-54页 |
| 第六章 基于复合会话的用户行为分析 | 第54-66页 |
| 6.1 概述 | 第54页 |
| 6.2 主机流量表 | 第54-55页 |
| 6.3 主机流量表分析 | 第55-61页 |
| 6.3.1 主机流量实时表分析 | 第55-58页 |
| 6.3.2 主机流量日表统计表分析 | 第58-61页 |
| 6.4 时间序列分析 | 第61-65页 |
| 6.4.1 ARIMA模型基本原理 | 第62页 |
| 6.4.2 企业用户流量模式预测 | 第62-65页 |
| 6.5 总结 | 第65-66页 |
| 第七章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70-72页 |
| 攻读学位期间发表的学术论文目录 | 第72页 |