超球体多类支持向量机及其在DDoS攻击检测中的应用
摘要 | 第1-10页 |
Abstract | 第10-14页 |
目录 | 第14-17页 |
第1章 绪论 | 第17-30页 |
·研究背景和意义 | 第17-25页 |
·网络安全现状 | 第17-22页 |
·分布式拒绝服务攻击 | 第22-25页 |
·僵尸网络 | 第25页 |
·DDoS攻击检测算法的研究现状 | 第25-28页 |
·本文的主要工作和组织结构 | 第28-30页 |
第2章 单边连接密度 | 第30-44页 |
·单边连接密度的概念 | 第30-33页 |
·单边连接密度序列的时间序列分析 | 第33-39页 |
·正常流 OWCD序列的统计特性 | 第35-38页 |
·攻击流 OWCD序列的统计特性 | 第38-39页 |
·与相关工作的比较 | 第39-42页 |
·使用 OWCD的限制 | 第42页 |
·小结 | 第42-44页 |
第3章 支持向量机理论 | 第44-84页 |
·机器学习理论概述 | 第44-48页 |
·统计学习理论 | 第48-56页 |
·学习问题的表示 | 第49-50页 |
·学习过程的一致性理论 | 第50-52页 |
·学习机器推广能力理论 | 第52-55页 |
·控制学习过程的推广能力的理论 | 第55-56页 |
·支持向量分类机 | 第56-77页 |
·分类原理 | 第56-66页 |
·训练算法 | 第66-71页 |
·工作集选择 | 第71-76页 |
·SVM的学习误差理论界 | 第76-77页 |
·多类支持向量机 | 第77-83页 |
·多类目标法 | 第77-78页 |
·一类对余类 | 第78页 |
·一类对一类 | 第78-79页 |
·纠错编码法 | 第79-80页 |
·有向无环图法 | 第80-81页 |
·层次 SVM | 第81-82页 |
·决策树 SVM | 第82-83页 |
·小结 | 第83-84页 |
第4章 超球体多类支持向量机 | 第84-107页 |
·基于超球体的单类支持向量机 | 第84-86页 |
·基于超球体的多类支持向量机 | 第86-88页 |
·HSMC-SVM的训练算法 | 第88-95页 |
·工作集选择 | 第95-99页 |
·停止条件 | 第95-96页 |
·二阶逼近工作集选择 | 第96-98页 |
·缩减策略 | 第98-99页 |
·判决算法 | 第99-100页 |
·HSMC-SVM的推广误差上界 | 第100-102页 |
·数值实验 | 第102-106页 |
·小结 | 第106-107页 |
第5章 最小二乘超球多类支持向量机 | 第107-123页 |
·最小二乘支持向量机 | 第107-110页 |
·LSHS-MCSVM的分类原理 | 第110-112页 |
·LSHS-MCSVM的训练算法 | 第112-118页 |
·LSHS-MCSVM的SMO训练算法 | 第112-114页 |
·工作集选择 | 第114-116页 |
·迭代停止条件 | 第116-117页 |
·稀疏性分析 | 第117-118页 |
·LSHS-MCSVM的判决规则 | 第118页 |
·LSHS-MCSVM的训练误差界 | 第118页 |
·HSMC-SVM与LSHS-MCSVM的区别 | 第118-119页 |
·数值实验 | 第119-122页 |
·小结 | 第122-123页 |
第6章 基于超球体多类分类器的DDoS攻击检测 | 第123-146页 |
·特征向量的选取 | 第124-133页 |
·概述 | 第124-126页 |
·类别可分离性判据 | 第126-128页 |
·RV特征向量 | 第128-132页 |
·RV特征的辨识能力分析 | 第132-133页 |
·实验数据的采集 | 第133页 |
·用 HSMC-SVM检测 DDoS攻击 | 第133-137页 |
·用 LSHS-MCSVM检测 DDoS攻击 | 第137-139页 |
·响应时间分析 | 第139-143页 |
·与其他检测方法的功能比较 | 第143-144页 |
·小结 | 第144-146页 |
第7章 结论与展望 | 第146-150页 |
·结论 | 第146-149页 |
·研究工作展望 | 第149-150页 |
致谢 | 第150-151页 |
参考文献 | 第151-163页 |
攻读学位期间录用和发表的论文 | 第163-164页 |
附录 英文缩写词对照表 | 第164-165页 |