基于数据流挖掘技术的流量识别
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题背景 | 第9-10页 |
| ·研究内容 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·文章组织结构 | 第12-13页 |
| 第二章 流量识别概述 | 第13-23页 |
| ·流量识别方法概况 | 第13-17页 |
| ·端口识别方法 | 第13-14页 |
| ·数据包深层检测方法 | 第14-15页 |
| ·基于传输层的识别方法 | 第15页 |
| ·基于其他特征的识别方法 | 第15-17页 |
| ·基于网络流特征的流量识别 | 第17-20页 |
| ·网络流 | 第17页 |
| ·网络流特征 | 第17页 |
| ·基于网络流特征的流量识别方法 | 第17-20页 |
| ·评价指标 | 第20-22页 |
| ·度量标准 | 第20-21页 |
| ·保持 | 第21页 |
| ·交叉确认 | 第21-22页 |
| ·算法评价标准 | 第22页 |
| ·本章小节 | 第22-23页 |
| 第三章 网络流数据的预处理 | 第23-34页 |
| ·特征选择算法 | 第23-25页 |
| ·基于信息理论的相关性度量 | 第24页 |
| ·ReliefF方法 | 第24-25页 |
| ·FCBF方法 | 第25页 |
| ·Weka平台简介 | 第25-26页 |
| ·网络流数据采集与处理 | 第26-33页 |
| ·公共数据 | 第27-29页 |
| ·私有数据 | 第29-33页 |
| ·本章小节 | 第33-34页 |
| 第四章 基于CVFDT算法的流量识别 | 第34-49页 |
| ·相关工作 | 第34-35页 |
| ·使用传统分类算法的流量识别 | 第35-37页 |
| ·基于朴素贝叶斯分类的流量识别 | 第35-36页 |
| ·基于C4.5决策树的流量识别 | 第36-37页 |
| ·数据流分类算法的相关概念 | 第37-38页 |
| ·概念漂移 | 第37-38页 |
| ·Hoeffding界 | 第38页 |
| ·基于CVFDT算法的流量识别 | 第38-43页 |
| ·CVFDT算法简介 | 第39-40页 |
| ·适用于流量识别的CVFDT算法 | 第40-43页 |
| ·实验与结果分析 | 第43-47页 |
| ·实验环境与实验数据 | 第43页 |
| ·分类准确率的比较 | 第43-45页 |
| ·算法稳定性的比较 | 第45-46页 |
| ·建模时间的比较 | 第46-47页 |
| ·在私有数据上各算法的评价 | 第47页 |
| ·本章小结 | 第47-49页 |
| 第五章 基于STRKM算法的流量识别 | 第49-61页 |
| ·相关工作 | 第49-51页 |
| ·使用传统聚类算法的流量识别 | 第51-53页 |
| ·K均值 | 第51-52页 |
| ·DBSCAN | 第52-53页 |
| ·基于STRKM算法的流量识别 | 第53-56页 |
| ·STRKM算法简介 | 第53页 |
| ·适用于流量识别的STRKM算法 | 第53-56页 |
| ·实验与结果分析 | 第56-59页 |
| ·实验环境与实验数据 | 第56页 |
| ·K-means结果 | 第56页 |
| ·DBSCAN结果 | 第56-58页 |
| ·STRKM结果 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·工作展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间发表的论文 | 第69-70页 |
| 致谢 | 第70页 |
