基于CNN的FTP隐蔽信道检测模型
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 网络隐蔽信道简介 | 第10-12页 |
| 1.2.1 网络隐蔽信道定义 | 第10-11页 |
| 1.2.2 隐蔽信道产生原因 | 第11页 |
| 1.2.3 隐蔽信道建模 | 第11-12页 |
| 1.3 网络隐蔽信道分类 | 第12-14页 |
| 1.4 网络隐蔽信道研究现状 | 第14-17页 |
| 1.4.1 网络时间隐蔽信道检测 | 第14-16页 |
| 1.4.2 网络存储隐蔽信道检测 | 第16页 |
| 1.4.3 国内外网络隐蔽信道研究现状 | 第16-17页 |
| 1.5 FTP隐蔽信道的检测 | 第17-18页 |
| 1.6 论文主要研究内容和结构安排 | 第18-19页 |
| 第2章 相关知识 | 第19-34页 |
| 2.1 文件传输协议 | 第19-21页 |
| 2.1.1 FTP工作模型 | 第19-20页 |
| 2.1.2 FTP命令 | 第20-21页 |
| 2.2 神经网络基础 | 第21-24页 |
| 2.2.1 神经元结构 | 第21-22页 |
| 2.2.2 前向传播算法 | 第22-23页 |
| 2.2.3 反向传播算法 | 第23-24页 |
| 2.3 卷积神经网络 | 第24-31页 |
| 2.3.1 基本结构 | 第24-28页 |
| 2.3.2 卷积层特点 | 第28-29页 |
| 2.3.3 卷积方式 | 第29-30页 |
| 2.3.4 池化方式 | 第30-31页 |
| 2.4 文本分类方法介绍 | 第31-33页 |
| 2.4.1 朴素贝叶斯 | 第31-32页 |
| 2.4.2 SVM | 第32页 |
| 2.4.3 CNN | 第32-33页 |
| 2.4.4 RNN | 第33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于CNN的FTP隐蔽信道检测模型 | 第34-48页 |
| 3.1 基于CNN的FTP隐蔽信道检测模型 | 第34-45页 |
| 3.1.1 模型设计 | 第34-35页 |
| 3.1.2 参数设定 | 第35-37页 |
| 3.1.3 模型训练 | 第37-44页 |
| 3.1.4 验证方式 | 第44-45页 |
| 3.2 训练加速 | 第45-46页 |
| 3.3 训练流程 | 第46-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 实验及结果分析 | 第48-59页 |
| 4.1 实验配置 | 第48-51页 |
| 4.1.1 运行环境 | 第48页 |
| 4.1.2 实验数据 | 第48-50页 |
| 4.1.3 评价指标 | 第50-51页 |
| 4.2 实验过程 | 第51-55页 |
| 4.2.1 实验设置 | 第51-53页 |
| 4.2.2 实验参数 | 第53-54页 |
| 4.2.3 模型调优 | 第54-55页 |
| 4.3 实验结果和分析 | 第55-58页 |
| 4.3.1 实验结果 | 第55-57页 |
| 4.3.2 实验结果分析 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |
