| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-29页 |
| 1.1 课题研究背景 | 第13-15页 |
| 1.1.1 互联网发展特点 | 第13-14页 |
| 1.1.2 互联网安全现状 | 第14-15页 |
| 1.2 课题研究意义 | 第15-16页 |
| 1.3 研究问题引出 | 第16-21页 |
| 1.3.1 基本概念 | 第16-17页 |
| 1.3.2 网络应用层加密流量定义 | 第17-18页 |
| 1.3.3 网络应用层加密流量的特征属性 | 第18-21页 |
| 1.3.4 网络应用层加密流量识别 | 第21页 |
| 1.4 研究现状 | 第21-26页 |
| 1.4.1 基于内容统计特征的识别 | 第21-22页 |
| 1.4.2 基于应用特征字段匹配的识别 | 第22页 |
| 1.4.3 基于机器学习的识别 | 第22-25页 |
| 1.4.4 存在问题分析 | 第25-26页 |
| 1.5 本文的主要贡献 | 第26-27页 |
| 1.6 论文章节安排 | 第27-29页 |
| 第二章 基于串行检验的网络协议不相关加密流量识别算法 | 第29-41页 |
| 2.1 引言 | 第29-30页 |
| 2.2 网络协议不相关加密流量识别技术研究现状 | 第30-31页 |
| 2.3 基于串行检验的网络加密流量识别算法ETI-ST | 第31-35页 |
| 2.3.1 模型建立 | 第31-32页 |
| 2.3.2 解决思路 | 第32-34页 |
| 2.3.3 ETI-ST算法 | 第34-35页 |
| 2.3.4 复杂度分析 | 第35页 |
| 2.4 仿真实验与分析 | 第35-39页 |
| 2.4.1 实验流程 | 第35-36页 |
| 2.4.2 数据集及衡量指标 | 第36页 |
| 2.4.3 待测序列长度对归一化评估值的影响 | 第36-38页 |
| 2.4.4 串行检验长度对识别精确度的影响 | 第38-39页 |
| 2.4.5 算法对比分析 | 第39页 |
| 2.5 本章小结 | 第39-41页 |
| 第三章 基于ECLAT树结构的应用特征自动提取算法 | 第41-51页 |
| 3.1 引言 | 第41-42页 |
| 3.2 特征提取技术研究现状 | 第42-44页 |
| 3.3 基于ECLAT树结构的应用特征自动提取算法FEA-ET | 第44-46页 |
| 3.3.1 约束处理 | 第44-45页 |
| 3.3.2 挖掘处理 | 第45-46页 |
| 3.3.3 冗余处理 | 第46页 |
| 3.3.4 优化处理 | 第46页 |
| 3.4 仿真实验与分析 | 第46-49页 |
| 3.4.1 实验数据集 | 第46-47页 |
| 3.4.2 算法对比分析 | 第47-48页 |
| 3.4.3 处理数据包个数对识别精确度的影响 | 第48-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第四章 基于指纹趋势感知的Skype协议识别算法 | 第51-59页 |
| 4.1 引言 | 第51-52页 |
| 4.2 Skype协议识别技术研究现状 | 第52页 |
| 4.3 基于指纹趋势感知的Skype协议识别算法ISP-FT | 第52-55页 |
| 4.3.1 协议指纹模型 | 第52-53页 |
| 4.3.2 指纹趋势感知模型 | 第53-54页 |
| 4.3.3 相似度测量 | 第54-55页 |
| 4.3.4 ISP-FT算法流程 | 第55页 |
| 4.4 仿真实验与分析 | 第55-58页 |
| 4.4.1 实验数据集 | 第55-56页 |
| 4.4.2 高斯滤波器参数对算法召回率的影响 | 第56-57页 |
| 4.4.3 处理数据包个数对识别精确度的影响 | 第57-58页 |
| 4.4.4 算法对比分析 | 第58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 结束语 | 第59-61页 |
| 5.1 本文主要工作 | 第59-60页 |
| 5.2 下一步研究方向 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 作者简历 | 第67页 |
