| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第15-37页 |
| 1.1 课题背景 | 第15-18页 |
| 1.2 国内外研究现状 | 第18-33页 |
| 1.2.1 串匹配算法研究综述 | 第18-28页 |
| 1.2.2 串匹配算法的优化方法 | 第28-32页 |
| 1.2.3 告警关联技术研究综述 | 第32-33页 |
| 1.3 本文的主要研究内容及组织结构 | 第33-37页 |
| 1.3.1 课题来源 | 第33页 |
| 1.3.2 主要研究内容 | 第33-37页 |
| 第2章 面向大规模特征集的AC自动机匹配算法 | 第37-68页 |
| 2.1 引言 | 第37-38页 |
| 2.2 相关定义 | 第38-39页 |
| 2.3 混合型自动机的构造方法 | 第39-41页 |
| 2.4 SLSPM算法的设计与分析 | 第41-55页 |
| 2.4.1 保证SLSPM算法匹配速度的技术 | 第41-42页 |
| 2.4.2 SLSPM自动机的构造与匹配算法 | 第42-44页 |
| 2.4.3 SLSPM算法的理论分析 | 第44-49页 |
| 2.4.4 实验和分析 | 第49-55页 |
| 2.5 BCHDFA算法的设计与分析 | 第55-66页 |
| 2.5.1 BCHDFA的构造和匹配过程 | 第56-61页 |
| 2.5.2 BCHDFA算法的理论分析 | 第61-63页 |
| 2.5.3 实验和分析 | 第63-66页 |
| 2.6 本章小结 | 第66-68页 |
| 第3章 基于SSE指令集的串匹配算法 | 第68-100页 |
| 3.1 引言 | 第68-69页 |
| 3.2 相关研究 | 第69-71页 |
| 3.2.1 SSE指令集的特点 | 第69-70页 |
| 3.2.2 AC算法和WM算法的特点 | 第70-71页 |
| 3.3 基于SSE水平指令的伪散列算法SSEHash的设计与分析 | 第71-87页 |
| 3.3.1 SSEHash算法的理论基础 | 第72-76页 |
| 3.3.2 SSEHash伪散列匹配算法及其复杂度分析 | 第76-79页 |
| 3.3.3 实验结果与分析 | 第79-87页 |
| 3.4 基于SSE指令集的反向自动机匹配 | 第87-96页 |
| 3.4.1 相关定义 | 第88-89页 |
| 3.4.2 RTRIE算法的设计与分析 | 第89-93页 |
| 3.4.3 实验与分析 | 第93-96页 |
| 3.5 本章小结 | 第96-100页 |
| 第4章 基于图的表达式消冗及掩码匹配优化算法 | 第100-124页 |
| 4.1 引言 | 第100-101页 |
| 4.2 表达式包含关系的分类 | 第101-103页 |
| 4.2.1 用于描述表达式的定义 | 第101-102页 |
| 4.2.2 表达式包含关系分类 | 第102-103页 |
| 4.3 冗余表达式消除算法的设计与分析 | 第103-111页 |
| 4.3.1 表达式包含关系的识别 | 第104-106页 |
| 4.3.2 关键字路径图的构造 | 第106-107页 |
| 4.3.3 利用关键字路径图消除冗余表达式 | 第107-111页 |
| 4.4 表达式掩码验证优化算法的设计与分析 | 第111-114页 |
| 4.4.1 改进的表达式掩码验证优化算法MaskVeri | 第111-112页 |
| 4.4.2 MaskVeri算法的时间复杂度分析 | 第112-114页 |
| 4.5 实验结果 | 第114-118页 |
| 4.5.1 实验环境 | 第114页 |
| 4.5.2 MaskVeri算法的性能测试 | 第114-115页 |
| 4.5.3 KPGEM算法的性能测试 | 第115-117页 |
| 4.5.4 采用了MaskVeri和KPGEM的匹配系统的整体性能的改善 | 第117-118页 |
| 4.6 本章小结 | 第118-124页 |
| 第5章 具有虚警过滤功能的D-S告警融合系统实现 | 第124-151页 |
| 5.1 引言 | 第124-126页 |
| 5.2 相关工作 | 第126-127页 |
| 5.3 序列结构对序列挖掘结果的影响 | 第127-130页 |
| 5.4 保持语义的告警序列最小化研究 | 第130-134页 |
| 5.4.1 保持语义的最小化的说明 | 第132-134页 |
| 5.4.2 消除周期性重复虚警的实例 | 第134页 |
| 5.5 基于D-S证据理论的频繁模式识别研究与设计 | 第134-144页 |
| 5.5.1 获取序列频繁序列模式的识别框架 | 第137-138页 |
| 5.5.2 获取权能转换模型的识别框架 | 第138-140页 |
| 5.5.3 使用D-S理论对频繁模式中的告警频度和告警关联度进行融合 | 第140-143页 |
| 5.5.4 利用能量的衰减因子降低虚警 | 第143-144页 |
| 5.6 实验与分析 | 第144-150页 |
| 5.6.1 实验环境 | 第144页 |
| 5.6.2 针对SLSPM、BCHDFA、RTRIE等算法的极限测试 | 第144-145页 |
| 5.6.3 保持语义的序列最小化算法的性能测试 | 第145-148页 |
| 5.6.4 基于D-S的告警融合技术在网络告警数据中的应用 | 第148-150页 |
| 5.7 本章小结 | 第150-151页 |
| 结论 | 第151-154页 |
| 参考文献 | 第154-165页 |
| 攻读博士学位期间发表的论文及其他成果 | 第165-167页 |
| 致谢 | 第167-168页 |
| 个人简历 | 第168页 |
