| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-13页 |
| 缩略语对照表 | 第13-17页 |
| 第一章 绪论 | 第17-23页 |
| 1.1 研究背景和意义 | 第17-19页 |
| 1.1.1 研究背景 | 第17-18页 |
| 1.1.2 研究意义 | 第18-19页 |
| 1.2 国内外研究现状 | 第19-20页 |
| 1.3 本文的主要工作 | 第20-21页 |
| 1.4 本文的组织架构 | 第21-23页 |
| 第二章 灰色预测基本理论 | 第23-35页 |
| 2.1 灰色预测理论 | 第23-24页 |
| 2.1.1 灰色预测理论的提出及发展 | 第23页 |
| 2.1.2 灰色预测基本原理 | 第23-24页 |
| 2.2 灰色预测模型 | 第24-29页 |
| 2.2.1 灰色预测模型GM(1,1) | 第24-26页 |
| 2.2.2 GM_(1,1) 模型建立条件 | 第26-27页 |
| 2.2.3 GM_(1,1) 模型的建立 | 第27-29页 |
| 2.3 缓冲算子 | 第29-32页 |
| 2.3.2 弱化缓冲算子 | 第30-31页 |
| 2.3.3 强化缓冲算子 | 第31-32页 |
| 2.4 检验理论 | 第32-34页 |
| 2.4.1 模型检验理论 | 第32-33页 |
| 2.4.2 预测结果的评价标准 | 第33-34页 |
| 2.5 本章总结 | 第34-35页 |
| 第三章 网络流量分析 | 第35-47页 |
| 3.1 网络流量特征 | 第35-36页 |
| 3.2 网络流量的自相似性 | 第36-39页 |
| 3.2.1 自相似性的数学表示 | 第36-38页 |
| 3.2.2 自相似性的直观表示 | 第38-39页 |
| 3.3 其他性质 | 第39-41页 |
| 3.3.1 周期性 | 第39-40页 |
| 3.3.2 长相关性 | 第40-41页 |
| 3.4 网络流量建模型条件的验证 | 第41-45页 |
| 3.5 本章总结 | 第45-47页 |
| 第四章 基于ewboMGM_(1,1) 和马氏过程的流量预测 | 第47-75页 |
| 4.1 ewboMGM_(1,1) 预测模型 | 第47-61页 |
| 4.1.1 基于GM_(1,1) 的流量建模 | 第47-49页 |
| 4.1.2 不同建模数据量时的MGM_(1,1) 预测 | 第49-54页 |
| 4.1.3 ewboMGM_(1,1) 预测模型 | 第54-59页 |
| 4.1.4 基于残差补偿的ewboMGM_(1,1) 预测模型 | 第59-61页 |
| 4.2 基于ewboMGM_(1,1) 与马氏过程的流量趋势预测 | 第61-63页 |
| 4.2.1 马氏过程在流量预测中的应用 | 第61-62页 |
| 4.2.2 基于ewboMGM_(1,1) 和马氏过程的流量趋势预测 | 第62-63页 |
| 4.3 网络流量的区间预测 | 第63-66页 |
| 4.4 实验分析 | 第66-74页 |
| 4.4.1 不同采样粒度下的ewboMGM_(1,1) 预测 | 第66-70页 |
| 4.4.2 马尔科夫过程的应用 | 第70-72页 |
| 4.4.3 区间预测 | 第72-74页 |
| 4.5 本章总结 | 第74-75页 |
| 第五章 基于灰色预测的异常检测 | 第75-89页 |
| 5.1 异常检测中的网络流量特征 | 第75-77页 |
| 5.1.1 DDoS攻击简介 | 第75-76页 |
| 5.1.2 网络流量的微观特征分析 | 第76-77页 |
| 5.2 基于灰色预测的异常流量检测 | 第77-86页 |
| 5.2.1 正常流量和DDoS流量的特征的统计特性分析 | 第77-81页 |
| 5.2.2 网络流量统计特征的GM_(1,1) 建模 | 第81-84页 |
| 5.2.3 异常的判定原则和概率问题 | 第84页 |
| 5.2.4 基于GM_(1,1) 的异常检测 | 第84-86页 |
| 5.3 实验验证 | 第86-87页 |
| 5.4 本章总结 | 第87-89页 |
| 第六章 总结与展望 | 第89-91页 |
| 6.1 总结 | 第89页 |
| 6.2 展望 | 第89-91页 |
| 参考文献 | 第91-95页 |
| 致谢 | 第95-97页 |
| 作者简介 | 第97-98页 |
