声明
摘要
第一章 引言
1.1 研究背景
1.2 研究现状
1.3 本文研究内容
1.4 论文的结构安排
第二章 相关技术及模型介绍
2.1 相关技术
2.1.1 Kafka简介
2.1.2 Storm简介
2.2 流量模型相关理论
2.2.1 时间序列介绍
2.2.2 短相关模型
2.2.3 长相关模型
2.2.4 时间序列的自相性与偏自相关性的定义
2.3 模型参数常用估计方法
2.3.1 矩估计方法
2.3.2 极大似然估计方法
2.3.3 最小二乘法估计方法
2.3.4 小结
2.4 本章小结
第三章 基于N-ARMA的流量异常检测模型
3.1 网络流量的相关特性
3.1.1 自相似性
3.1.2 不稳定性
3.2 N-ARMA模型公式
3.3 N-ARMA模型构建方法
3.3.1 F1自回归滑动平均方程式构建
3.3.2 F2异常检测置信区间方程式构建
3.4 本章小结
第四章 基于N-ARMA模型的参数估计验证与实验分析
4.1 实验方案
4.2 实验数据预处理
4.3 流量序列平稳性与纯随机性分析
4.4 F1(1,q)拟合与检验
4.4.1 F1(1,0)检验
4.4.2 F1(1,1)检验
4.4.3 F1(1,2)检验
4.4.4 F1(1,3)检验
4.5 F1模型优化
4.6 F1(1,3)预测模型
4.7 F2异常检测置信区间方程式
4.8 N-ARMA(1,3)模型方程式
4.9 异常点检测实验
4.9.1 数据集
4.9.2 实验结果与分析
4.10 本章小结
第五章 Storm分布式实时流量预警框架
5.1 总体设计
5.1.1 系统逻辑架构设计
5.1.2 系统总体功能设计
5.1.3 数据模型设计
5.2 详细设计
5.2.1 流量采集
5.2.2 流量数据预处理
5.2.3 流量统计与预警
5.2.4 N-ARMA异常检测模型构建
5.3 系统实现
5.3.1 系统环境
5.3.2 数据库实现
5.3.3 系统性能与时延
5.4 框架对比
5.4.1 数据源
5.4.2 硬件设备
5.4.3 系统框架结构
5.4.4 对比结果
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读学位期间发表的学术论文
致谢