| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-13页 |
| ·研究背景 | 第10-11页 |
| ·研究现状 | 第11页 |
| ·研究的主要内容和目标 | 第11-12页 |
| ·研究的主要内容 | 第11-12页 |
| ·研究目标 | 第12页 |
| ·本文的组织架构 | 第12-13页 |
| 第二章 P2P技术的基础 | 第13-22页 |
| ·P2P的定义 | 第13页 |
| ·P2P技术的应用 | 第13-14页 |
| ·P2P技术的特点 | 第14-17页 |
| ·P2P的网络拓扑结构 | 第17-20页 |
| ·集中式P2P拓扑 | 第18页 |
| ·全分布式非结构化P2P拓扑 | 第18-19页 |
| ·全分布式结构P2P拓扑 | 第19页 |
| ·混合式P2P拓扑 | 第19-20页 |
| ·目前P2P技术面临的问题 | 第20-21页 |
| ·标准混乱 | 第20-21页 |
| ·版权问题 | 第21页 |
| ·安全和管理 | 第21页 |
| ·带宽占用 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第三章 P2P流量检测技术 | 第22-27页 |
| ·P2P流量的特殊性 | 第22页 |
| ·主要的P2P流量识别技术 | 第22-26页 |
| ·基于端口的识别技术 | 第22-23页 |
| ·深度数据包检测技术 | 第23-25页 |
| ·深度流检测技术 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 P2P流量识别中的分类算法 | 第27-39页 |
| ·概述 | 第27-28页 |
| ·SVM算法 | 第28-30页 |
| ·最优分类面 | 第28-30页 |
| ·两类和多类SVM算法 | 第30页 |
| ·K-Means算法 | 第30-31页 |
| ·C4.5决策树算法 | 第31-36页 |
| ·决策树 | 第31-32页 |
| ·C4.5决策树算法原理 | 第32-35页 |
| ·C4.5算法对连续属性值的处理 | 第35页 |
| ·决策树修剪 | 第35-36页 |
| ·AdaBoost算法 | 第36-38页 |
| ·流量数据的不稳定性 | 第36页 |
| ·AdaBoost算法原理 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于DFI和机器学习的P2P流量识别系统实现 | 第39-66页 |
| ·系统实现 | 第39-46页 |
| ·模块描述 | 第39-40页 |
| ·基本数据结构 | 第40页 |
| ·模块功能介绍 | 第40-46页 |
| ·实验数据分析 | 第46-58页 |
| ·P2P流量长短流分析 | 第46-49页 |
| ·P2P流量的净荷长度分析 | 第49-52页 |
| ·P2P数据流的逐报文分析及用于在线分析的子流选取 | 第52-55页 |
| ·子流属性的统计特征分析 | 第55-56页 |
| ·基于并发连接数量的统计分析 | 第56-58页 |
| ·实验验证 | 第58-64页 |
| ·属性选择 | 第58-59页 |
| ·子流属性 | 第59-60页 |
| ·AdaBoost循环次数 | 第60-63页 |
| ·数据量对分类效果的影响 | 第63-64页 |
| ·并发连接数对识别率的影响 | 第64页 |
| ·本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间发表的学术论文目录 | 第72页 |