| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-22页 |
| 1.1 研究动机 | 第9-10页 |
| 1.2 研究背景 | 第10-20页 |
| 1.2.1 软件定义网络 | 第10-13页 |
| 1.2.2 拒绝服务攻击 | 第13-17页 |
| 1.2.3 网络流异常检测算法 | 第17-20页 |
| 1.3 本文研究内容及贡献 | 第20页 |
| 1.4 文章章节安排 | 第20-22页 |
| 第二章 相关技术及研究现状 | 第22-29页 |
| 2.1 传统网络场景的DDoS攻击检测研究现状 | 第22-23页 |
| 2.2 SDN网络场景中的DDoS攻击检测研究现状 | 第23-25页 |
| 2.3 DDoS攻击缓解技术介绍 | 第25-27页 |
| 2.4 基于BP神经网络的网络流异常检测算法研究现状 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 SDN场景中基于双向流特征的DDoS攻击检测方案 | 第29-41页 |
| 3.1 基于流表特征及GHSOM算法的攻击检测方案 | 第29-31页 |
| 3.1.1 双向流特征的引入 | 第29-30页 |
| 3.1.2 分类算法GHSOM简介 | 第30-31页 |
| 3.2 检测方案具体实现 | 第31-35页 |
| 3.2.1 初始状态网络地址段的划分 | 第31-32页 |
| 3.2.2 交换机监控流表下发策略 | 第32-34页 |
| 3.2.3 监控流表项粒度的自适应变化 | 第34-35页 |
| 3.3 可行性分析与仿真实验 | 第35-40页 |
| 3.3.1 实验环境介绍 | 第36-37页 |
| 3.3.2 四元组特征可行性分析 | 第37页 |
| 3.3.3 流表项粒度自适应改变合理性分析 | 第37-38页 |
| 3.3.4 仿真实验结果 | 第38-39页 |
| 3.3.5 检测算法开销分析 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 改进差分进化算法优化BP神经网络用于SDN网络流异常检测 | 第41-53页 |
| 4.1 DE算法优化BP神经网络原理 | 第41-42页 |
| 4.2 SAMDE算法优化BP神经网络 | 第42-46页 |
| 4.2.1 改进的差分进化算法SAMDE | 第42-44页 |
| 4.2.2 改进算法SAMDE的性能测试 | 第44-45页 |
| 4.2.3 SAMDE优化BP神经网络流程设计 | 第45-46页 |
| 4.3 基于SAMDE-BP算法的异常检测模型 | 第46页 |
| 4.4 传统网络场景仿真实验与结果分析 | 第46-50页 |
| 4.4.1 实验数据及预处理 | 第47-48页 |
| 4.4.2 算法寻优效果及收敛速度对比试验 | 第48-49页 |
| 4.4.3 算法性能及检测性能对比实验 | 第49-50页 |
| 4.5 SDN网络场景仿真实验与结果分析 | 第50-52页 |
| 4.5.1 检测性能对比分析 | 第50-51页 |
| 4.5.2 算法实际开销分析 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 SDN网络场景下的DDoS攻击缓解策略 | 第53-59页 |
| 5.1 攻击缓解模块部署 | 第53-54页 |
| 5.2 缓解机制具体流程 | 第54-56页 |
| 5.3 攻击缓解仿真实验解析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 不足与展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第64-65页 |
| 致谢 | 第65页 |
