高速网络数据流应用检测系统的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 引言 | 第10-11页 |
| 1.2 研究背景 | 第11-12页 |
| 1.3 研究目标与内容 | 第12-13页 |
| 1.3.1 研究目标 | 第12页 |
| 1.3.2 研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 相关技术研究 | 第14-24页 |
| 2.1 非加密哈希函数 | 第14-15页 |
| 2.1.1 常见的非加密哈希函数 | 第14页 |
| 2.1.2 哈希函数性能研究现状 | 第14-15页 |
| 2.2 遗传编程 | 第15-20页 |
| 2.2.1 遗传编程流程 | 第15-16页 |
| 2.2.2 遗传编程相关参数 | 第16-19页 |
| 2.2.3 基于遗传编程的哈希设计研究现状 | 第19-20页 |
| 2.3 高速网络流量测量数据结构 | 第20页 |
| 2.3.1 Count-MinSketch | 第20页 |
| 2.4 测量任务相关研究 | 第20-22页 |
| 2.4.1 大流检测 | 第20-21页 |
| 2.4.2 流长分布估计 | 第21-22页 |
| 2.5 本章小结 | 第22-24页 |
| 第三章 基于遗传编程的哈希算法设计 | 第24-46页 |
| 3.1 问题分析 | 第24-25页 |
| 3.2 哈希算法评价指标测度 | 第25-28页 |
| 3.2.1 活跃流测度 | 第25页 |
| 3.2.2 同源哈希值相关性测度 | 第25-27页 |
| 3.2.3 随机性测度 | 第27页 |
| 3.2.4 计算速度 | 第27-28页 |
| 3.3 基于遗传编程的哈希算法设计 | 第28-34页 |
| 3.3.1 终点集 | 第28页 |
| 3.3.2 函数集 | 第28-30页 |
| 3.3.3 适应值评价函数 | 第30-32页 |
| 3.3.4 GP-Hash参数设置 | 第32-33页 |
| 3.3.5 GP-Hash算法过程 | 第33-34页 |
| 3.4 GP-Hash算法评估及分析 | 第34-41页 |
| 3.4.1 IPv4哈希算法 | 第34-37页 |
| 3.4.2 IPv6哈希算法 | 第37-41页 |
| 3.5 GP-Hash算法改进及分析 | 第41-45页 |
| 3.5.1 动态最大树深 | 第41-42页 |
| 3.5.2 改进算法分析 | 第42-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于GA-EM的流长分布估计算法设计 | 第46-56页 |
| 4.1 问题分析 | 第46页 |
| 4.2 基于EM的原始流长分布估计 | 第46-50页 |
| 4.2.1 期望最大化算法 | 第46-47页 |
| 4.2.2 原始流长度分布概率模型 | 第47-48页 |
| 4.2.3 基于EM算法的原始流长分布估计 | 第48-50页 |
| 4.3 基于GA-EM的原始流长分布估计 | 第50-55页 |
| 4.3.1 遗传算法流程 | 第51页 |
| 4.3.2 GA-EM算法设计 | 第51-54页 |
| 4.3.3 GA-EM参数分析 | 第54-55页 |
| 4.4 GA-EM算法分析 | 第55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 高速网络数据流应用检测系统实现及分析 | 第56-70页 |
| 5.1 高速网络数据流应用检测系统 | 第56-59页 |
| 5.1.1 系统整体设计 | 第56-57页 |
| 5.1.2 大流检测模块 | 第57-58页 |
| 5.1.3 流长分布估计模块 | 第58-59页 |
| 5.1.4 可视化模块 | 第59页 |
| 5.2 系统实现 | 第59-64页 |
| 5.2.1 大流检测模块实现 | 第59-61页 |
| 5.2.2 流长分布估计模块实现 | 第61页 |
| 5.2.3 系统可视化 | 第61-64页 |
| 5.3 系统评估及分析 | 第64-67页 |
| 5.3.1 大流检测模块评估及分析 | 第64-65页 |
| 5.3.2 流长分布估计模块评估及分析 | 第65-67页 |
| 5.4 本章小结 | 第67-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 工作总结 | 第70-71页 |
| 6.2 论文展望 | 第71-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 作者简介 | 第78页 |
