深度流检测在对等网络中流量识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| ·研究背景 | 第8-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·论文的结构安排 | 第11-13页 |
| 第2章 深度流检测的体系结构 | 第13-25页 |
| ·深度流检测基本原理 | 第13页 |
| ·流特征的选取 | 第13-18页 |
| ·深度流检测体系结构 | 第18-22页 |
| ·重要数据结构 | 第22-25页 |
| 第3章 Bayesian算法在深度流检测中的应用 | 第25-31页 |
| ·朴素贝叶斯与全贝叶斯分类器算法及训练集比较 | 第25-28页 |
| ·朴素贝叶斯与全贝叶斯分类器算法比较 | 第25-27页 |
| ·两种分类器训练时间比较图 | 第27-28页 |
| ·运行结果比较分析 | 第28-29页 |
| ·两种分类器运行时间图表 | 第28页 |
| ·朴素贝叶斯和全贝叶斯分类器运行结果及准确度 | 第28-29页 |
| ·总结 | 第29-31页 |
| 第4章 决策树在深度流检测中的应用 | 第31-40页 |
| ·决策树简介 | 第31-32页 |
| ·C4.5算法基本思想 | 第31-32页 |
| ·C4.5算法流程 | 第32页 |
| ·数据预处理 | 第32-34页 |
| ·训练决策树样本 | 第32-33页 |
| ·统计属性值 | 第33-34页 |
| ·决策树分类 | 第34-36页 |
| ·决策树识别 | 第36-38页 |
| ·结论 | 第38-40页 |
| 第5章 BP神经网络算法在深度流检测中的应用 | 第40-48页 |
| ·神经网络简介 | 第40-41页 |
| ·确定输入向量和初始化权值 | 第41-42页 |
| ·输入模式的正向传播和输出误差的逆传播 | 第42-46页 |
| ·输入模式的正向传播 | 第42-43页 |
| ·输出误差的逆传播 | 第43-44页 |
| ·算法流程图 | 第44-46页 |
| ·BP神经网络算法识别 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第6章 运行界面及算法应用比较 | 第48-53页 |
| ·运行环境 | 第48页 |
| ·系统运行测试环境 | 第48-49页 |
| ·测试方法及运行界面 | 第49-51页 |
| ·性能分析 | 第51-53页 |
| 第7章 总结与展望 | 第53-55页 |
| ·本文总结 | 第53页 |
| ·展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59-60页 |
| 攻读硕士学位期间参加的科研项目 | 第60页 |
