网络流量异常检测与预测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 引言 | 第11-19页 |
| ·网络异常检测的研究背景 | 第11-14页 |
| ·研究网络异常检测的意义 | 第14-15页 |
| ·网络异常检测方法 | 第15-16页 |
| ·研究目的 | 第16页 |
| ·本文的主要工作 | 第16-17页 |
| ·本文内容组织 | 第17-19页 |
| 第二章 网络异常检测方法概述 | 第19-37页 |
| ·网络异常的分类 | 第19-21页 |
| ·静态检测方法 | 第21-24页 |
| ·恒定阈值检测方法 | 第21-22页 |
| ·自适应的阈值检测方法 | 第22-24页 |
| ·动态检测方法 | 第24-33页 |
| ·GLR 检测方法 | 第24-28页 |
| ·基于指数平滑技术的检测方法 | 第28-30页 |
| ·Amy Ward 等人提出的检测方法 | 第30-32页 |
| ·基于小波技术的检测方法 | 第32-33页 |
| ·网络异常检测方法分析 | 第33-37页 |
| 第三章 残差比异常检测方法 | 第37-55页 |
| ·异常检测的基础知识 | 第38-42页 |
| ·时间序列分析 | 第38-39页 |
| ·一种时间序列分析模型——AR 模型 | 第39-41页 |
| ·似然函数、似然比、似然比检验 | 第41-42页 |
| ·残差比异常检测方法 | 第42-44页 |
| ·残差比异常检测方法推导与说明 | 第44-46页 |
| ·残差比异常检测算法 | 第46-48页 |
| ·模型参数估计 | 第46-47页 |
| ·异常检测 | 第47-48页 |
| ·残差比检测方法与 GLR 方法的比较 | 第48-49页 |
| ·选择流量 | 第49-53页 |
| ·小结 | 第53-55页 |
| 第四章 实验分析 | 第55-80页 |
| ·网络模拟软件OPNET | 第55-56页 |
| ·网络模拟实验配置 | 第56-59页 |
| ·实验与数据收集 | 第59-63页 |
| ·流量的平稳性及残差特性分析 | 第63-65页 |
| ·检测过程 | 第65-77页 |
| ·变量级异常检测 | 第67-76页 |
| ·异常信息融合 | 第76-77页 |
| ·结果和分析 | 第77-78页 |
| ·结论 | 第78-80页 |
| 第五章 网络流量的平稳化方法 | 第80-99页 |
| ·网络流量模型 | 第80-82页 |
| ·网络流量的周期性特征 | 第82-85页 |
| ·建立流量的正常行为模式 | 第85-88页 |
| ·平稳化流量数据 | 第88-92页 |
| ·模型选择和识别 | 第92-94页 |
| ·模型估计 | 第94-96页 |
| ·算法分析 | 第96-98页 |
| ·结论 | 第98-99页 |
| 第六章 网络流量预测 | 第99-121页 |
| ·预测及网络流量预测相关研究 | 第99-101页 |
| ·建立网络流量模型 | 第101-105页 |
| ·预处理 | 第102-103页 |
| ·模型识别 | 第103-104页 |
| ·模型估计 | 第104-105页 |
| ·预测 | 第105-108页 |
| ·一步预测 | 第105-107页 |
| ·多步预测 | 第107-108页 |
| ·真实网络流量预测 | 第108-113页 |
| ·用模型递推法预测 | 第108-111页 |
| ·模型递推和逆函数法预测的比较 | 第111-113页 |
| ·与ARMA(2,1)直接预测的比较 | 第113页 |
| ·流量过载预测 | 第113-116页 |
| ·流量过载预测方法评价 | 第116-119页 |
| ·结论 | 第119-121页 |
| 第七章 结束语 | 第121-125页 |
| ·本文主要贡献与创新 | 第121-122页 |
| ·下一步研究工作 | 第122-125页 |
| 参考文献 | 第125-133页 |
| 致谢 | 第133-134页 |
| 作者简历 | 第134页 |
