基于层次化特征学习的多模态序列网络流量异常检测方法

目录

声明

第 1 章绪 论

1.1 研究的背景和意义

1.2 国内外研究现状

1.2.1 网络流量异常检测的研究现状

1.2.2 深度学习技术的研究现状

1.3 研究主要内容

1.4 论文组织结构

第 2 章基于层次化特征学习的异常检测模型构建思路

2.1 网络流量的产生

2.2 网络流量与异常分析

2.2.1 网络流量的形式与异常检测

2.2.2 网络流量的异常行为分析

2.3 层次化特征学习的异常检测模型构建思路

2.3.1 数据采集

2.3.2 构建思路

2.3.3 训练与测试

2.4 小结

第 3 章基于多模态自编码器的特征融合算法

3.1 数据预处理

3.1.1 数值化和归一化

3.1.2 网络流量的特征分组

3.2 基于多模态自编码器的网络流量特征提取

3.2.1 多模态编码器的网络结构

3.2.2 基于 RBM的向前编码过程

3.2.3 基于自编码器的向后解码过程

3.3 多模态自编码器算法的复杂度分析

3.3.1 时间复杂度分析

3.3.2 空间复杂度分析

3.4 小结

第 4 章基于层次化特征学习的异常检测算法

4.1 基于LSTM的高层结构化特征提取

4.1.1 基于滑动窗口的时间序列数据提取

4.1.2 基于 LSTM的结构化时序特征提取

4.2 基于层次化特征学习的多模态序列异常检测算法

4.2.1 多模态序列异常检测算法

4.2.2 两级层次化特征学习

4.2.3 多模态序列异常检测方法的分类算法

4.3 多模态序列异常检测算法的的复杂度分析

4.3.1 时间复杂度分析

4.3.2 空间复杂度分析

4.4 小结

第 5 章实验与分析

5.1 实验环境

5.2 实验数据及处理

5.2.1 NSL-KDD数据分布及处理

5.2.2 UNSW-NB15数据分布及处理

5.2.3 CICIDS-2017数据分布及处理

5.3 基于多模态自编码器的特征提取实验结果及分析

5.3.1 实验设置

5.3.2 评价指标

5.3.3 实验结果及分析

5.4 多模态序列异常检测算法分类结果及分析

5.4.1 实验设置

5.4.2 评价指标

5.4.3 实验结果及分析

5.5 小结

结 论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致 谢

附 录