基于TCP流特征提取技术的网络流量识别应用研究
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
符号说明 | 第15-16页 |
第1章 绪论 | 第16-26页 |
1.1 研究背景与意义 | 第16-17页 |
1.2 国内外研究现状 | 第17-22页 |
1.2.1 基于网络端口号的流量识别技术 | 第18页 |
1.2.2 基于DPI的流量识别技术 | 第18-19页 |
1.2.3 基于主机行为的流量识别技术 | 第19页 |
1.2.4 基于DFI的流量识别技术 | 第19-21页 |
1.2.5 流量识别技术比较 | 第21-22页 |
1.3 主要研究内容 | 第22-23页 |
1.4 论文组织结构 | 第23-26页 |
第2章 基础知识 | 第26-34页 |
2.1 网络流量识别相关概念 | 第26-27页 |
2.2 深度流检测技术 | 第27-29页 |
2.2.1 DFI技术产生的背景 | 第27-28页 |
2.2.2 DFI技术原理 | 第28-29页 |
2.3 网络安全态势感知技术 | 第29-32页 |
2.3.1 网络态势感知 | 第29页 |
2.3.2 网络安全态势感知框架 | 第29-30页 |
2.3.3 网络安全态势感知建模过程 | 第30-31页 |
2.3.4 网络安全态势感知体系架构 | 第31-32页 |
2.4 本章小结 | 第32-34页 |
第3章 相异度在基于流特征的恶意入侵检测中的应用 | 第34-48页 |
3.1 引言 | 第34页 |
3.2 基于距离的相异性度量 | 第34-35页 |
3.3 基于数据依赖的相异性度量 | 第35-37页 |
3.3.1 基于数据依赖的相异性度量 | 第35页 |
3.3.2 通用的基于数据依赖的相异性度量 | 第35-37页 |
3.4 改进的基于结构数据依赖的相异性度量 | 第37-39页 |
3.4.1 相异性转换函数 | 第37页 |
3.4.2 DBSCAN | 第37-39页 |
3.4.3 基于结构数据依赖的相异性度量算法 | 第39页 |
3.5 基于结构数据依赖的密度函数 | 第39-41页 |
3.6 实验与分析 | 第41-45页 |
3.6.1 基于密度的聚类 | 第41-43页 |
3.6.2 改进的快速搜索和基于密度峰值的聚类 | 第43-45页 |
3.7 基于无监督式的恶意入侵检测 | 第45-46页 |
3.8 本章小结 | 第46-48页 |
第4章 基于TCP流特征的恶意入侵检测技术 | 第48-64页 |
4.1 引言 | 第48-49页 |
4.2 恶意入侵检测相关技术 | 第49页 |
4.3 一种新的面向TCP连接的恶意入侵检测技术 | 第49-53页 |
4.3.1 建模 | 第50-51页 |
4.3.2 TCP组报 | 第51页 |
4.3.3 通联特征提取 | 第51页 |
4.3.4 启发式的降维方法 | 第51-53页 |
4.3.5 算法设计 | 第53页 |
4.4 实验与分析 | 第53-61页 |
4.4.1 数据和工具 | 第53-54页 |
4.4.2 机器学习算法选择 | 第54-57页 |
4.4.3 最优属性选择 | 第57-58页 |
4.4.4 与现有方法的对比 | 第58-61页 |
4.5 讨论 | 第61-62页 |
4.6 本章小结 | 第62-64页 |
第5章 基于TCP流特征的智能设备识别技术 | 第64-78页 |
5.1 引言 | 第64-65页 |
5.2 设备识别相关技术 | 第65-66页 |
5.3 一种新的基于网页加载的智能设备识别技术 | 第66-70页 |
5.3.1 网页加载机制 | 第66-67页 |
5.3.2 JavaScript执行方式 | 第67-69页 |
5.3.3 特征提取 | 第69-70页 |
5.4 实验与分析 | 第70-75页 |
5.4.1 模拟环境搭建 | 第70-72页 |
5.4.2 智能设备识别 | 第72-73页 |
5.4.3 与现有方法的对比 | 第73-75页 |
5.5 基于网页加载的网站识别技术 | 第75-76页 |
5.6 本章小结 | 第76-78页 |
第6章 总结与展望 | 第78-80页 |
6.1 本文工作总结 | 第78-79页 |
6.2 未来研究展望 | 第79-80页 |
参考文献 | 第80-86页 |
致谢 | 第86-88页 |
在读期间发表的学术论文与取得的研究成果 | 第88页 |