网络流量数据量化分析
📚 共计 30 章节
01
流量采集基础
网络流量数据的重要性、常见采集方法（NetFlow/sFlow/SNMP）、采集环境搭建。
采集
NetFlow
SNMP
02
数据包结构解析
OSI与TCP/IP模型回顾、以太网帧结构、IP头部详解、TCP/UDP头部详解。
协议
TCP/IP
帧结构
03
Wireshark实战
Wireshark安装与配置、捕获过滤器与显示过滤器、追踪流与统计功能。
抓包
过滤器
统计
04
Python与Scapy
Scapy库安装、构造与发送数据包、嗅探与解析数据包。
Python
Scapy
嗅探
05
流量特征提取
包长度统计、时间戳分析、协议分布、流特征（五元组）。
特征
五元组
协议分布
06
流量统计基础
均值、方差、峰值、吞吐量、带宽利用率计算。
统计
吞吐量
带宽
07
时间序列分析
流量时序数据构建、滑动窗口、趋势与周期性分析。
时序
滑动窗口
趋势
08
流量可视化
Matplotlib绘制流量图、Seaborn绘制热力图、交互式可视化。
Matplotlib
Seaborn
交互
09
异常检测入门
什么是流量异常、常见异常类型（DDoS、扫描、蠕虫）。
异常
DDoS
扫描
10
基于阈值的检测
静态阈值设定、动态阈值（移动平均）、告警机制。
阈值
移动平均
告警
11
机器学习基础
特征工程、数据标准化、训练集与测试集划分。
特征工程
标准化
训练集
12
K-Means聚类
无监督学习原理、流量聚类、异常簇识别。
聚类
K-Means
无监督
13
孤立森林算法
算法原理、在流量异常检测中的应用、参数调优。
孤立森林
异常检测
调优
14
One-Class SVM
单分类模型、边界学习、适用场景。
SVM
单分类
边界
15
深度学习入门
神经网络基础、激活函数、损失函数。
神经网络
激活函数
损失
16
自编码器
降维与重构、重构误差用于异常检测。
自编码器
重构误差
异常
17
LSTM网络
循环神经网络、时间序列预测、流量预测。
LSTM
时序预测
RNN
18
CNN在流量中的应用
一维卷积、流量图像化、分类任务。
CNN
卷积
图像化
19
流量分类
应用识别（HTTP/DNS/P2P）、基于DPI的方法、基于ML的方法。
分类
DPI
ML
20
加密流量分析
TLS握手特征、指纹识别、元数据利用。
TLS
指纹
加密
21
DDoS检测实战
SYN Flood、UDP Flood、HTTP Flood特征与检测。
DDoS
SYN Flood
HTTP Flood
22
端口扫描检测
水平扫描、垂直扫描、隐蔽扫描识别。
扫描
端口
隐蔽
23
僵尸网络流量
C&C通信模式、心跳包检测、DNS隧道。
Botnet
C&C
DNS隧道
24
DNS分析
DNS协议详解、DNS隧道检测、DNS放大攻击。
DNS
隧道
放大攻击
25
HTTP/HTTPS分析
请求方法、状态码、User-Agent分析、Web攻击检测。
HTTP
User-Agent
Web攻击
26
流量存储与检索
Elasticsearch存储、Kibana可视化、日志管理。
Elasticsearch
Kibana
日志
27
实时流处理
Kafka基础、Spark Streaming、Flink在流量中的应用。
Kafka
Spark
Flink
28
大规模流量处理
分布式架构、负载均衡、数据采样策略。
分布式
负载均衡
采样
29
综合项目实战
从采集到检测的完整Pipeline搭建。
项目
Pipeline
实战
30
前沿与趋势
零信任网络、eBPF技术、AI驱动的安全运营。
零信任
eBPF
AI安全