基于行为分析的P2P流媒体业务识别方法研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.3 论文结构 | 第12-13页 |
| 第二章 P2P流媒体系统结构与原理 | 第13-21页 |
| 2.1 P2P流媒体系统结构 | 第13-15页 |
| 2.2 系统节点通信过程 | 第15-16页 |
| 2.3 Peer交互过程中关键技术 | 第16-18页 |
| 2.3.1 Gossip协议 | 第16-17页 |
| 2.3.2 视频分发协议 | 第17-18页 |
| 2.4 特性总结 | 第18-19页 |
| 2.5 本章小结 | 第19-21页 |
| 第三章 基于贝叶斯分类的识别算法 | 第21-37页 |
| 3.1 贝叶斯分类器原理 | 第21-23页 |
| 3.2 特性选取 | 第23-28页 |
| 3.3 样本形成 | 第28-30页 |
| 3.4 基于贝叶斯分类识别算法结构 | 第30-33页 |
| 3.5 算法性能分析 | 第33-35页 |
| 3.5.1 参数估计 | 第33-34页 |
| 3.5.2 算法开销 | 第34页 |
| 3.5.3 识别率 | 第34-35页 |
| 3.5.4 误识别率 | 第35页 |
| 3.6 本章小结 | 第35-37页 |
| 第四章 基于特征量匹配的识别算法 | 第37-51页 |
| 4.1 特征量匹配算法原理 | 第37-38页 |
| 4.2 特性选取 | 第38-44页 |
| 4.2.1 数据请求比特性 | 第38-39页 |
| 4.2.2 BM信息比特性 | 第39-40页 |
| 4.2.3 数据信息比特性 | 第40-42页 |
| 4.2.4 满负载分组比 | 第42页 |
| 4.2.5 Tracker端口特性 | 第42-43页 |
| 4.2.6 平均分组长度特性 | 第43-44页 |
| 4.3 基于特征量匹配的识别算法结构 | 第44-47页 |
| 4.4 算法性能分析 | 第47-49页 |
| 4.4.1 参数估计 | 第47-48页 |
| 4.4.2 识别率 | 第48页 |
| 4.4.3 误识别率 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 P2P流媒体流量识别系统结构及测试 | 第51-63页 |
| 5.1 系统结构 | 第51-54页 |
| 5.1.1 数据预处理 | 第51-52页 |
| 5.1.2 流表操作 | 第52-53页 |
| 5.1.3 识别模块 | 第53-54页 |
| 5.1.4 输出结果 | 第54页 |
| 5.2 测试结果 | 第54-61页 |
| 5.2.1 测试环境及数据说明 | 第55-56页 |
| 5.2.2 识别率测试 | 第56-57页 |
| 5.2.3 误识别率测试 | 第57-59页 |
| 5.2.4 实时性测试 | 第59-61页 |
| 5.3 本章总结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 附录 | 第67-69页 |
| 致谢 | 第69-71页 |
| 发表论文和科研情况 | 第71页 |
