基于聚类分析的网络流量识别技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 论文研究内容 | 第12页 |
| 1.3 论文组织结构 | 第12-16页 |
| 第2章 网络流量识别相关技术背景介绍 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 网络流量识别技术发展历程 | 第16-17页 |
| 2.3 网络流量识别的基础概念 | 第17-18页 |
| 2.3.1 网络数据帧 | 第17页 |
| 2.3.2 网络数据流 | 第17-18页 |
| 2.3.3 网络流量识别 | 第18页 |
| 2.3.4 主要判别标准 | 第18页 |
| 2.4 流量识别技术研究现状 | 第18-29页 |
| 2.4.1 基于传输层端口映射的流量识别 | 第19-20页 |
| 2.4.2 基于深度报文检测的流量识别 | 第20-23页 |
| 2.4.3 基于行为特征匹配的流量识别 | 第23-24页 |
| 2.4.4 基于机器学习的流量识别 | 第24-29页 |
| 2.4.4.1 数据流统计特征提取 | 第24-27页 |
| 2.4.4.2 有监督学习流量识别 | 第27-28页 |
| 2.4.4.3 半监督学习流量识别 | 第28页 |
| 2.4.4.4 早期流量识别 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于改进K均值算法的网络流量识别 | 第30-43页 |
| 3.1 引言 | 第30页 |
| 3.2 K均值聚类算法 | 第30-33页 |
| 3.3 基于改进K均值的流量识别算法 | 第33-37页 |
| 3.3.1 算法相关概念和定义 | 第33-35页 |
| 3.3.2 算法描述 | 第35-37页 |
| 3.4 实验结果与分析 | 第37-41页 |
| 3.4.1 数据集和特征属性 | 第37-38页 |
| 3.4.2 实验环境和方案 | 第38-39页 |
| 3.4.4 实验结果 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 基于增量聚类算法的在线流量识别 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 增量聚类算法 | 第43-44页 |
| 4.3 在线流量识别方法 | 第44-50页 |
| 4.3.1 特征属性选择 | 第45页 |
| 4.3.2 方法描述 | 第45-50页 |
| 4.4 实验结果与分析 | 第50-53页 |
| 4.4.1 实验方案 | 第50-51页 |
| 4.4.2 实验结果 | 第51-53页 |
| 4.5 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
