基于机器学习的网络流量分类系统研究与实现
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景与意义 | 第10-11页 |
| ·相关研究 | 第11-12页 |
| ·本文工作 | 第12-13页 |
| ·论文结构 | 第13-14页 |
| 第二章 基于机器学习的流量分类 | 第14-20页 |
| ·网络流量分类 | 第14-15页 |
| ·网络流量与网络流 | 第14-15页 |
| ·网络流量分类 | 第15页 |
| ·网络流量特征 | 第15页 |
| ·基于机器学习的流量分类 | 第15-18页 |
| ·网络流量特征空间上的机器学习分类问题 | 第15-16页 |
| ·方法框架 | 第16-17页 |
| ·评价指标 | 第17-18页 |
| ·本章小结 | 第18-20页 |
| 第三章 基于支持向量机的网络流量分类 | 第20-30页 |
| ·支持向量机概述 | 第20-22页 |
| ·分类结果与分析 | 第22-26页 |
| ·实验数据与设置 | 第22-23页 |
| ·分类精度 | 第23-24页 |
| ·数据抽样 | 第24-26页 |
| ·精度对训练集和端口特征的依赖性 | 第26-29页 |
| ·训练集大小对精度的影响 | 第26-27页 |
| ·端口的依赖性 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 面向网络流量分类的特征选择 | 第30-38页 |
| ·特征选择方法 | 第30-31页 |
| ·实验与分析 | 第31-37页 |
| ·分类精度与特征数量的关系 | 第31-32页 |
| ·面向特定流量识别的特征选择 | 第32-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 流量分类系统设计与实现 | 第38-50页 |
| ·系统总体设计 | 第38-40页 |
| ·数据采集环境 | 第38-39页 |
| ·系统主要模块 | 第39-40页 |
| ·关键技术实现方法 | 第40-46页 |
| ·基于Libpcap的流量捕获 | 第40-42页 |
| ·基于结构链表的流还原 | 第42-43页 |
| ·基于NetMate的流特征测量 | 第43-44页 |
| ·基于载荷特征的流标注 | 第44-46页 |
| ·系统测试与应用 | 第46-49页 |
| ·数据准备 | 第46页 |
| ·分类精度 | 第46-47页 |
| ·系统应用 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 结束语 | 第50-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 作者在学期间取得的学术成果 | 第58页 |
