| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-17页 |
| 1.1.1 网络流数据预处理技术 | 第13-15页 |
| 1.1.2 网络流数据异常检测 | 第15-17页 |
| 1.3 研究目的及意义 | 第17-18页 |
| 1.4 研究内容及创新点 | 第18-19页 |
| 1.5 论文组织结构 | 第19-20页 |
| 第二章 网络流数据处理模型与HADOOP大数据处理平台 | 第20-28页 |
| 2.1 网络流数据处理模型 | 第20-22页 |
| 2.1.1 界标模型 | 第20页 |
| 2.1.2 滑动窗口模型 | 第20-21页 |
| 2.1.3 快照模型 | 第21-22页 |
| 2.2 Hadoop大数据处理平台简介 | 第22-26页 |
| 2.2.1 HDFS简介 | 第23-25页 |
| 2.2.2 Map Reduce简介 | 第25-26页 |
| 2.3 本章小节 | 第26-28页 |
| 第三章 基于CANOPY和加权K-MEANS的网络流量异常检测方法研究 | 第28-50页 |
| 3.1 数据流初始处理 | 第29-35页 |
| 3.1.1 数据归一化和降维 | 第29-30页 |
| 3.1.2 聚类相似度计算 | 第30-33页 |
| 3.1.3 基于Canopy的初始聚类 | 第33-35页 |
| 3.2 基于指数直方图的在线微聚 | 第35-40页 |
| 3.2.1 指数直方图及其维护 | 第35-38页 |
| 3.2.2 在线微聚 | 第38-40页 |
| 3.3 基于加权K-means的离线宏聚 | 第40-42页 |
| 3.3.1 加权K-means算法 | 第41-42页 |
| 3.3.2 离线宏聚 | 第42页 |
| 3.4 实验结果与分析 | 第42-48页 |
| 3.4.1 实验环境 | 第42-46页 |
| 3.4.2 实验结果分析 | 第46-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 HADOOP下基于分层聚类的并行化网络流量异常检测方法研究 | 第50-60页 |
| 4.1 大数据背景下网络流量数据模型 | 第50-51页 |
| 4.2 并行网络流量异常检测算法 | 第51-57页 |
| 4.2.1 在线层Canopy算法的Map Reduce并行设计 | 第51-56页 |
| 4.2.2 离线层加权K-means算法的Map Reduce并行设计 | 第56-57页 |
| 4.3 实验结果与分析 | 第57-59页 |
| 4.3.1 实验环境 | 第57-58页 |
| 4.3.2 实验结果分析 | 第58-59页 |
| 4.4 本章小节 | 第59-60页 |
| 第五章 结论与展望 | 第60-62页 |
| 5.1 结论 | 第60页 |
| 5.2 工作展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 作者攻读硕士学位期间的主要研究成果 | 第68页 |
