网络流特征的时频分析及其应用研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第15-24页 |
| 1.1 研究工作的背景与意义 | 第15-16页 |
| 1.2 国内外研究现状与不足 | 第16-20页 |
| 1.2.1 国内外研究现状 | 第16-19页 |
| 1.2.2 现有研究的不足 | 第19-20页 |
| 1.3 本文主要研究思路与创新 | 第20-22页 |
| 1.3.1 主要研究思路 | 第20-22页 |
| 1.3.2 主要创新点 | 第22页 |
| 1.4 论文整体结构 | 第22-24页 |
| 第二章 网络流特征分析概述 | 第24-36页 |
| 2.1 网络流特征参数概述 | 第24-31页 |
| 2.1.1 数据包层面特征 | 第24-26页 |
| 2.1.2 流层面特征 | 第26-28页 |
| 2.1.3 节点层面特征 | 第28-30页 |
| 2.1.4 现有流特征参数的不足 | 第30-31页 |
| 2.2 机器学习在流特征分析中的应用 | 第31-34页 |
| 2.2.1 机器学习简介 | 第31-32页 |
| 2.2.2 C4.5 决策树分类 | 第32-34页 |
| 2.3 本章小结 | 第34-36页 |
| 第三章 网络流特征的时频分析方法 | 第36-56页 |
| 3.1 网络流特征的时频分析方法流程 | 第36-38页 |
| 3.2 网络流时域特征的选择和提取 | 第38-40页 |
| 3.3 时频分析方法研究 | 第40-48页 |
| 3.3.1 时频分布函数的选择 | 第41-42页 |
| 3.3.2 本算法采用的时频分布函数 | 第42-46页 |
| 3.3.3 三种时频分布函数的数学性能对比 | 第46-48页 |
| 3.4 流特征信号的时频分析 | 第48-50页 |
| 3.5 时频矩阵的处理和时频特征参数的提取 | 第50-53页 |
| 3.5.1 统计学方法对时频特征参数的提取 | 第50-51页 |
| 3.5.2 Renyi熵对时频矩阵特征的提取 | 第51-52页 |
| 3.5.3 提取的时频特征参数汇总 | 第52-53页 |
| 3.6 机器学习分类 | 第53-55页 |
| 3.7 本章小结 | 第55-56页 |
| 第四章 流特征时频分析在P2P识别中的应用 | 第56-68页 |
| 4.1 基于流特征时频分析的P2P流识别方法提出 | 第56-58页 |
| 4.2 用以时频分析的P2P流时域特征的选取 | 第58-60页 |
| 4.3 P2P流识别实验环境及流程 | 第60-64页 |
| 4.3.1 网络流数据采集 | 第60-61页 |
| 4.3.2 流时域特征信号的提取 | 第61页 |
| 4.3.3 时频分析和时频特征参数提取 | 第61-62页 |
| 4.3.4 训练集样本标记和机器学习 | 第62-63页 |
| 4.3.5 只使用时域特征参数的对照组 | 第63-64页 |
| 4.4 P2P流识别实验结果及分析 | 第64-67页 |
| 4.4.1 不同时频分布函数的实验结果对比 | 第64-66页 |
| 4.4.2 时域特征参数和时频特征参数的效果对比 | 第66-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 流特征时频分析在NAT识别中的应用 | 第68-80页 |
| 5.1 基于流特征时频分析的NAT流识别方法提出 | 第68-71页 |
| 5.2 用以时频分析的NAT流时域特征的选取 | 第71-72页 |
| 5.3 NAT流识别实验环境及流程 | 第72-75页 |
| 5.3.1 网络环境搭建 | 第73-74页 |
| 5.3.2 样本集的构建和标记 | 第74页 |
| 5.3.3 流时域特征信号的提取 | 第74-75页 |
| 5.3.4 只使用时域特征参数的对照组 | 第75页 |
| 5.4 NAT流识别实验结果及分析 | 第75-78页 |
| 5.4.1 不同时频分布函数的实验结果对比 | 第75-77页 |
| 5.4.2 时域特征参数和时频特征参数的效果对比 | 第77-78页 |
| 5.5 本章小结 | 第78-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 6.1 全文总结 | 第80页 |
| 6.2 进一步工作的展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 攻硕期间取得的研究成果 | 第87-88页 |
