| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-17页 |
| 1.1 研究背景及选题意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文主要工作和创新点 | 第14-15页 |
| 1.4 内容安排 | 第15-17页 |
| 2 Tor匿名通信技术 | 第17-31页 |
| 2.1 匿名通信发展历程 | 第17-18页 |
| 2.2 Tor匿名通信技术 | 第18-21页 |
| 2.2.1 Tor匿名通信概述 | 第18页 |
| 2.2.2 Tor运行机制 | 第18-20页 |
| 2.2.3 Tor匿名转发链路的建立 | 第20-21页 |
| 2.3 Tor网桥技术 | 第21-23页 |
| 2.3.1 Tor网桥机制 | 第21-23页 |
| 2.3.2 Tor多种网桥 | 第23页 |
| 2.4 Tor-Meek流量混淆方式 | 第23-29页 |
| 2.4.1 Meek工作原理 | 第24-25页 |
| 2.4.2 Meek关键技术 | 第25-29页 |
| 2.5 Meek典型应用 | 第29-31页 |
| 2.5.1 Lantern-Meek应用 | 第29页 |
| 2.5.2 Psiphon-Meek应用 | 第29-31页 |
| 3 Tor-Meek流量识别 | 第31-39页 |
| 3.1 流量识别技术 | 第31-32页 |
| 3.2 流量识别指标 | 第32页 |
| 3.3 Meek流量特征 | 第32-33页 |
| 3.4 基于Meek流量特征的流量识别 | 第33-39页 |
| 3.4.1 TLS数据包识别 | 第34-35页 |
| 3.4.2 Meek静态特征识别 | 第35-37页 |
| 3.4.3 Polling动态特征识别 | 第37-39页 |
| 4 基于SVM的Tor-Meek内容的分类与设计 | 第39-55页 |
| 4.1 支持向量机技术 | 第39-41页 |
| 4.1.1 支持向量机理论 | 第39-40页 |
| 4.1.2 核函数 | 第40页 |
| 4.1.3 惩罚系数 | 第40页 |
| 4.1.4 SVM分类方法 | 第40-41页 |
| 4.2 Tor-Meek流量分类 | 第41-42页 |
| 4.3 流量分类统计特征分析 | 第42-48页 |
| 4.3.1 发送/接收包长度分布 | 第42-45页 |
| 4.3.2 接收包分组长度分布 | 第45-46页 |
| 4.3.3 分组确认时间分布 | 第46-47页 |
| 4.3.4 发送数据包时间间隔分布 | 第47-48页 |
| 4.4 基于SVM的Tor-Meek内容分类特征选择 | 第48-50页 |
| 4.5 Tor-Meek内容分类方法设计 | 第50-52页 |
| 4.5.1 Tor-Meek数据分片模型 | 第50-51页 |
| 4.5.2 Tor-Meek内容分类模型 | 第51-52页 |
| 4.6 基于SVM的Tor-Meek内容分类整体设计 | 第52-55页 |
| 5 基于SVM的Tor-Meek内容分类实验与分析 | 第55-66页 |
| 5.1 实验工具Libsvm | 第55-56页 |
| 5.2 基于多分类SVM内容分类 | 第56-59页 |
| 5.2.1 多分类方法设计 | 第56-57页 |
| 5.2.2 基于分片大小实验结果与分析 | 第57-59页 |
| 5.3 基于二分类SVM内容分类 | 第59-66页 |
| 5.3.1 基于惩罚系数实验与分析 | 第59-62页 |
| 5.3.2 基于分片大小实验与分析 | 第62-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第71-73页 |
| 学位论文数据集 | 第73页 |
