| 摘要 | 第1-13页 |
| Abstract | 第13-15页 |
| 第一章 绪论 | 第15-29页 |
| ·研究背景 | 第15-18页 |
| ·相关研究工作 | 第18-24页 |
| ·网络安全态势感知 | 第18-21页 |
| ·时序数据挖掘 | 第21-24页 |
| ·本文工作 | 第24-27页 |
| ·主要研究内容 | 第25-26页 |
| ·主要创新点 | 第26-27页 |
| ·论文结构 | 第27-29页 |
| 第二章 伪周期网络安全时序数据异常波段检测 | 第29-51页 |
| ·问题描述 | 第29-30页 |
| ·相关研究 | 第30-37页 |
| ·异常检测 | 第30-31页 |
| ·相似性度量 | 第31-35页 |
| ·周期性分析 | 第35-37页 |
| ·基于动态时间弯曲距离的伪周期数据异常波段检测 | 第37-46页 |
| ·伪周期数据的波段分断方法 | 第37-40页 |
| ·直接基于DTW的伪周期数据异常波段检测方法 | 第40-41页 |
| ·基于聚类索引的快速近似检测方法 | 第41-46页 |
| ·实验 | 第46-50页 |
| ·实验设置 | 第46页 |
| ·实验结果 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第三章 基于小波概要的网络安全时序数据流区间差分skyline查询 | 第51-71页 |
| ·问题描述 | 第51-53页 |
| ·相关研究 | 第53-58页 |
| ·skyline和区间skyline | 第53-55页 |
| ·时序数据流 | 第55-56页 |
| ·小波和小波概要 | 第56-58页 |
| ·区间差分skyline | 第58-65页 |
| ·定义及性质 | 第58-60页 |
| ·在时序数据流的小波概要上计算区间差分skyline | 第60-65页 |
| ·实验 | 第65-68页 |
| ·实验设置 | 第65页 |
| ·实验结果 | 第65-68页 |
| ·本章小结 | 第68-71页 |
| 第四章 多维网络安全时序数据相似子序列搜索 | 第71-89页 |
| ·问题描述 | 第71-72页 |
| ·相关研究 | 第72-78页 |
| ·相似子序列搜索 | 第72-75页 |
| ·数据立方体 | 第75-78页 |
| ·在多维时序数据中进行相似子序列搜索 | 第78-84页 |
| ·基于数据立方体模型定义多维相似子序列 | 第78-80页 |
| ·基于SPRING的多维相似子序列搜索方法 | 第80-81页 |
| ·快速多维相似子序列搜索方法 | 第81-84页 |
| ·实验 | 第84-87页 |
| ·实验设置 | 第84-85页 |
| ·实验结果 | 第85-87页 |
| ·本章小结 | 第87-89页 |
| 第五章 网络安全时序数据预测 | 第89-115页 |
| ·问题描述 | 第89-90页 |
| ·相关研究 | 第90-98页 |
| ·事件序列的频繁情节挖掘 | 第91-92页 |
| ·时序数据的表示 | 第92-96页 |
| ·时序数据的预测 | 第96-98页 |
| ·面向预测的频繁情节挖掘方法 | 第98-100页 |
| ·基于特征事件序列频繁情节的时序数据预测 | 第100-108页 |
| ·利用均值特征的预测 | 第101-106页 |
| ·利用趋势特征的预测 | 第106-108页 |
| ·实验 | 第108-112页 |
| ·实验设置 | 第108-109页 |
| ·实验结果 | 第109-112页 |
| ·本章小结 | 第112-115页 |
| 第六章 结论与展望 | 第115-119页 |
| ·工作总结 | 第115-116页 |
| ·研究展望 | 第116-119页 |
| 致谢 | 第119-121页 |
| 参考文献 | 第121-132页 |
| 作者在学期间取得的学术成果 | 第132-134页 |
| 攻读博士学位期间参加的科研项目 | 第134页 |