声明
第1章 绪论
1.1 研究背景
1.2 研究意义
1.3 研究综述
1.3.1 文献检索和分析
1.3.2 信息系统日志研究
1.3.3 用户异常行为研究
1.3.4 异常行为检测技术研究
1.3.5 现有研究述评
1.4 研究内容、方法与技术路线图
1.4.1 研究内容
1.4.2 研究方法
1.4.3 技术路线图
1.5 研究创新点
1.6 本章小结
第2章 相关理论与方法
2.1 特征工程理论
2.1.1 特征匹配
2.1.2 特征构造
2.1.3 特征编码
2.1.4 特征缩放
2.1.5 特征降维
2.2 深度神经网络模型
2.2.1 深度学习与深度神经网络概述
2.2.2 模型基本结构
2.2.3 模型参数调节
2.2.4 激活函数选择
2.2.5 模型拟合问题
2.3 用于对比性能的统计方法和机器学习算法
2.3.1 多重线性回归方法
2.3.2 支持向量机分类方法
2.4 模型效果评估方法
2.5 本章小结
第3章 基于信息系统日志的用户异常行为分类与特征工程构建
3.1 数据收集与预处理
3.1.1 数据收集
3.1.2 数据预处理
3.2 异常行为分类
3.3 特征工程构建
3.3.1 原始特征提取
3.3.2 目标特征构造
3.3.3 特征数值化编码
3.3.4 特征分级缩放
3.3.5 随机森林降维
3.4 异常行为发生率统计
3.5 本章小结
第4章 基于DNN的用户异常行为预测
4.1 DNN模型构建与参数调整
4.2 DNN模型分类效果分析
4.3 其余模型分类效果分析
4.3.1 MLR分类
4.3.2 SVM分类
4.4 预测结果对比分析
4.5 本章小结
第5章 基于DNN的用户异常行为预测系统设计与实现
5.1 整体目标和需求分析
5.1.1 系统整体目标
5.1.2 功能需求分析
5.2 开发运行的软件环境
5.3 系统运行流程设计
5.4 系统实现
5.5 用户异常行为预测流程归纳
5.6 本章小结
第6章 结论与展望
6.1 研究结论
6.2 研究不足和展望
参考文献
附录
攻读硕士学位期间所取得的相关科研成果
致谢
江苏科技大学;