P2P流量识别关键技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-16页 |
| 第一章 绪论 | 第16-39页 |
| ·研究背景 | 第16-19页 |
| ·研究现状 | 第19-34页 |
| ·基于端口的P2P流量识别算法 | 第20-22页 |
| ·基于应用载荷签名的P2P流量识别算法 | 第22-27页 |
| ·基于行为特征的P2P流量识别算法 | 第27-29页 |
| ·基于机器学习的P2P流量识别算法 | 第29-34页 |
| ·P2P流量识别技术面临的问题 | 第34-35页 |
| ·本文的主要贡献 | 第35-37页 |
| ·本文的组织结构 | 第37-39页 |
| 第二章 P2P流量快速识别算法 | 第39-62页 |
| ·引言 | 第39页 |
| ·相关工作 | 第39-40页 |
| ·分类算法 | 第40-47页 |
| ·SVM分类算法 | 第40-45页 |
| ·K最近邻算法 | 第45-46页 |
| ·C4.5决策树算法 | 第46-47页 |
| ·n-折交叉验证 | 第47页 |
| ·特征提取 | 第47-50页 |
| ·快速识别算法 | 第50-51页 |
| ·ETIA算法 | 第50-51页 |
| ·FTIA算法 | 第51页 |
| ·算法识别正确率和识别效率分析 | 第51-60页 |
| ·实验数据 | 第51-52页 |
| ·实验评估指标 | 第52页 |
| ·ETIA识别正确率分析 | 第52-57页 |
| ·FTIA识别正确率和识别效率分析 | 第57-59页 |
| ·ETIA与FTIA分类结果的比较与分析 | 第59-60页 |
| ·本章小结 | 第60-62页 |
| 第三章 改进的快速启发式P2P流量识别算法 | 第62-81页 |
| ·引言 | 第62-63页 |
| ·相关工作 | 第63-64页 |
| ·IFIPBHA算法 | 第64-70页 |
| ·算法识别正确率和识别效率分析 | 第70-78页 |
| ·实验数据 | 第71页 |
| ·实验评估指标 | 第71页 |
| ·参数选择 | 第71-73页 |
| ·计数原理和Skype字节判断的实验结果比较 | 第73-74页 |
| ·不同识别流程的实验结果比较与分析 | 第74-78页 |
| ·与其它启发式识别算法的性能比较 | 第78-79页 |
| ·本章小结 | 第79-81页 |
| 第四章 P2P应用主机TCP流特性研究 | 第81-96页 |
| ·引言 | 第81页 |
| ·相关工作 | 第81-84页 |
| ·P2P应用主机TCP流的连接特性研究 | 第84-88页 |
| ·P2P应用主机TCP流的特征 | 第85-87页 |
| ·特征有效性分析 | 第87-88页 |
| ·P2P应用主机TCP流的自相似性研究 | 第88-94页 |
| ·流量自相似 | 第88-89页 |
| ·时间尺度自相似性分析 | 第89-91页 |
| ·行为尺度自相似性分析 | 第91-94页 |
| ·本章小结 | 第94-96页 |
| 第五章 总结与展望 | 第96-99页 |
| ·主要成果及创新点 | 第96-97页 |
| ·下一步研究工作的展望 | 第97-99页 |
| 参考文献 | 第99-110页 |
| 致谢 | 第110-111页 |
| 攻读学位期间发表的学术论文目录 | 第111-112页 |
| 主要参与的科研项目 | 第112页 |
