| 目录 | 第4-7页 |
| 表目录 | 第7-8页 |
| 图目录 | 第8-10页 |
| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-26页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 入侵检测系统 | 第14-20页 |
| 1.2.1 基于统计分析的异常检测方法 | 第16-17页 |
| 1.2.2 基于机器学习的异常检测方法 | 第17-18页 |
| 1.2.3 基于数据挖掘的异常检测方法 | 第18-20页 |
| 1.3 问题提出 | 第20-23页 |
| 1.3.1 问题描述 | 第21-22页 |
| 1.3.2 多维特征的简单组合导致准确率低的问题 | 第22页 |
| 1.3.3 把整体流量作为处理对象，导致异常分类算法效率低、准确率不高 | 第22-23页 |
| 1.4 本文的主要贡献 | 第23-25页 |
| 1.5 本文的章节安排 | 第25-26页 |
| 第二章 基于半监督联合模型的异常流量检测算法 | 第26-39页 |
| 2.1 引言 | 第26-27页 |
| 2.2 半监督联合模型 | 第27-31页 |
| 2.2.1 模型定义 | 第27-29页 |
| 2.2.2 模型描述 | 第29-30页 |
| 2.2.3 模型性质 | 第30-31页 |
| 2.3 基于半监督联合模型的异常流量检测算法 | 第31-34页 |
| 2.3.1 数据预处理 | 第31-32页 |
| 2.3.2 模糊 C 均值聚类算法（FCM） | 第32页 |
| 2.3.3 基于 SMC-FCM 的异常流量检测算法 | 第32-34页 |
| 2.3.4 算法复杂度分析 | 第34页 |
| 2.4 仿真实验 | 第34-38页 |
| 2.4.1 测试数据集 | 第34-35页 |
| 2.4.2 实验结果 | 第35-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 基于特征熵的异常流识别技术 | 第39-49页 |
| 3.1 引言 | 第39-40页 |
| 3.2 基于特征熵的异常流识别算法 | 第40-44页 |
| 3.2.1 基于特征熵的异常检测 | 第40-42页 |
| 3.2.2 流量分割缩减算法 | 第42-44页 |
| 3.2.3 算法复杂度 | 第44页 |
| 3.3 仿真实验 | 第44-48页 |
| 3.3.1 测试数据集 | 第44-45页 |
| 3.3.2 实验结果 | 第45-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 基于层次聚类的网络异常分类算法 | 第49-58页 |
| 4.1 引言 | 第49-50页 |
| 4.2 基于层次聚类的异常分类算法 | 第50-55页 |
| 4.2.1 流特征 | 第50-51页 |
| 4.2.2 最佳分类模型 | 第51-53页 |
| 4.2.3 异常分类算法 | 第53-54页 |
| 4.2.4 算法复杂度分析 | 第54-55页 |
| 4.3 仿真实验 | 第55-57页 |
| 4.3.1 人工注入异常仿真结果 | 第55-56页 |
| 4.3.2 真实数据集仿真结果 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 异常流量检测与分析系统的实现方案 | 第58-69页 |
| 5.1 引言 | 第58页 |
| 5.2 系统结构 | 第58-59页 |
| 5.3 系统实现方案 | 第59-64页 |
| 5.3.0 预处理模块 | 第59-60页 |
| 5.3.1 异常流量检测模块 | 第60-61页 |
| 5.3.2 异常流识别模块 | 第61-62页 |
| 5.3.3 异常分类模块 | 第62-63页 |
| 5.3.4 结果存储模块 | 第63-64页 |
| 5.4 系统性能测试 | 第64-68页 |
| 5.4.1 模块部署与测试方案 | 第64页 |
| 5.4.2 系统性能测试 | 第64-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 结束语 | 第69-71页 |
| 6.1 结论 | 第69-70页 |
| 6.2 下一步工作 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第74-75页 |
| 致谢 | 第75页 |