| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-18页 |
| ·课题背景 | 第9-10页 |
| ·异常检测技术国内外发展现状 | 第10-12页 |
| ·网络态势感知系统简介 | 第12-16页 |
| ·网络态势感知概念 | 第12-13页 |
| ·网络态势感知技术发展现状 | 第13-15页 |
| ·网络安全状态传感器总体架构 | 第15页 |
| ·SNMP传感器功能结构 | 第15-16页 |
| ·主要研究内容及论文的组织结构 | 第16-18页 |
| ·主要研究内容 | 第16页 |
| ·论文的组织结构 | 第16-18页 |
| 第2章 基于SNMP的网络数据异常检测方法研究 | 第18-35页 |
| ·SNMP协议概述 | 第18-23页 |
| ·SNMP的体系结构 | 第18-19页 |
| ·SNMP协议工作原理 | 第19-21页 |
| ·SNMP的管理信息库MIB | 第21-23页 |
| ·基于SNMP的数据异常检测方法 | 第23-34页 |
| ·基于BP神经网络的阐值检测法 | 第24-27页 |
| ·基于AR模型的流量异常检测法 | 第27-30页 |
| ·基于关联规则挖掘的异常检测法 | 第30-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 基于SNMP进行数据挖掘的异常检测功能设计实现及应用 | 第35-55页 |
| ·系统框架结构 | 第35-36页 |
| ·历史数据数据采集 | 第36-46页 |
| ·性能数据采集的对象 | 第37-43页 |
| ·多线程采集技术 | 第43-45页 |
| ·数据处理 | 第45页 |
| ·数据保存 | 第45-46页 |
| ·属性相关分析 | 第46-52页 |
| ·属性相关分析的必要性 | 第46-47页 |
| ·属性相关分析方法 | 第47-49页 |
| ·面向属性的归纳 | 第49-51页 |
| ·概念分层自动产生 | 第51-52页 |
| ·关联规则挖掘 | 第52页 |
| ·关键功能模块的应用 | 第52-54页 |
| ·历史数据采集模块的应用 | 第52-53页 |
| ·属性相关分析模块的应用 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第4章 实验及结果分析 | 第55-62页 |
| ·BP神经网络仿真实验 | 第55-57页 |
| ·实验过程 | 第55-56页 |
| ·实验结果及误差分析 | 第56-57页 |
| ·基于AR模型的流量异常检测实验 | 第57-58页 |
| ·关联规则挖掘实验 | 第58-61页 |
| ·实验过程 | 第58-60页 |
| ·实验结果及分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表论文和取得的科研成果 | 第68-69页 |
| 致谢 | 第69页 |