基于决策树的网络业务流识别研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的主要工作 | 第11页 |
| 1.4 论文的组织结构 | 第11-13页 |
| 第二章 流分类相关理论简介 | 第13-27页 |
| 2.1 网络流分类方法 | 第13-18页 |
| 2.1.1 端口分析法 | 第13-14页 |
| 2.1.2 DPI流识别方法 | 第14-15页 |
| 2.1.3 主机行为匹配法 | 第15-16页 |
| 2.1.4 基于机器学习的流统计方法 | 第16-18页 |
| 2.2 决策树理论 | 第18-25页 |
| 2.2.1 ID3算法原理 | 第18-23页 |
| 2.2.2 C4.5 算法原理 | 第23-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第三章 流特征分析和选择 | 第27-48页 |
| 3.1 网络流的获取 | 第27-30页 |
| 3.1.1 TCP/IP参考模型 | 第27-29页 |
| 3.1.2 Wireshark抓包工具 | 第29-30页 |
| 3.1.3 数据包的捕获 | 第30页 |
| 3.2 特征分析 | 第30-41页 |
| 3.2.1 包大小 | 第31-34页 |
| 3.2.2 网络流长度、流速率和包个数 | 第34-36页 |
| 3.2.3 下上行字节数之比 | 第36-38页 |
| 3.2.4 包时间间隔 | 第38-41页 |
| 3.3 综合分析 | 第41-44页 |
| 3.4 迅雷特征时间分析 | 第44-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 流分类实验 | 第48-58页 |
| 4.1 网络业务流分类方法 | 第48-53页 |
| 4.2 实验流程 | 第53-54页 |
| 4.3 分类效果的衡量标准 | 第54-55页 |
| 4.4 特征选取和实验结果 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 附录1 攻读硕士学位期间申请的专利 | 第62-63页 |
| 致谢 | 第63页 |
