| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 导论 | 第12-22页 |
| 1.1 引言 | 第12-13页 |
| 1.2 论文研究内容 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-22页 |
| 1.3.1 拟解决的关键问题和目标 | 第18-19页 |
| 1.3.2 技术术语 | 第19-20页 |
| 1.3.3 各章节之间的关系 | 第20-21页 |
| 1.3.4 小结 | 第21-22页 |
| 第二章 未知协议特征发现理论及技术 | 第22-38页 |
| 2.1 引言 | 第22页 |
| 2.2 信息论概念 | 第22-26页 |
| 2.2.1 信息熵 | 第22-24页 |
| 2.2.1.1 联合熵 | 第23页 |
| 2.2.1.2 条件熵 | 第23-24页 |
| 2.2.2 互信息 | 第24-26页 |
| 2.2.2.1 条件互信息 | 第25页 |
| 2.2.2.2 联合互信息 | 第25-26页 |
| 2.3 模式匹配算法 | 第26-30页 |
| 2.3.1 单模式匹配算法 | 第26-28页 |
| 2.3.2 多模式匹配算法 | 第28-30页 |
| 2.4 数据挖掘算法 | 第30-34页 |
| 2.4.1 关联规则 | 第30-33页 |
| 2.4.2 聚类 | 第33-34页 |
| 2.5 无监督机器学习算法 | 第34-36页 |
| 2.5.1 K-means算法 | 第34-35页 |
| 2.5.2 EM算法 | 第35-36页 |
| 2.5.3 DBSCAN算法 | 第36页 |
| 2.6 本章小结 | 第36-38页 |
| 第三章 二进制报文协议特征及其选择方法 | 第38-55页 |
| 3.1 引言 | 第38-39页 |
| 3.2 特征选择的相关理论与设计 | 第39-41页 |
| 3.3 互联网协议特征系统构架 | 第41-44页 |
| 3.3.1 频繁串提取 | 第42-43页 |
| 3.3.2 特征长串拼接 | 第43-44页 |
| 3.3.3 数据帧与特征向量转换 | 第44页 |
| 3.3.4 特征选择 | 第44页 |
| 3.4 二进制数据帧特征选择方法 | 第44-53页 |
| 3.4.1 实验数据集 | 第44-46页 |
| 3.4.2 二进制报文 | 第46页 |
| 3.4.3 二进制数据帧特征选择过程 | 第46页 |
| 3.4.4 特征选择结果及有效性 | 第46-53页 |
| 3.4.4.1 特征串 | 第46-49页 |
| 3.4.4.2 特征 | 第49-51页 |
| 3.4.4.3 有效性 | 第51-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第四章 帧特征优化算法 | 第55-72页 |
| 4.1 引言 | 第55页 |
| 4.2 帧特征优化算法流程 | 第55-60页 |
| 4.2.1 流程 | 第55-56页 |
| 4.2.2 数据集 | 第56-58页 |
| 4.2.3 评价指标 | 第58-60页 |
| 4.3 关键方法 | 第60-70页 |
| 4.3.1 n-gram生成 | 第60-62页 |
| 4.3.2 n-gram筛选 | 第62-64页 |
| 4.3.3 特征候选集的产生与选择 | 第64-70页 |
| 4.4 帧特征优化算法特点 | 第70页 |
| 4.5 本章小结 | 第70-72页 |
| 第五章 未知单协议数据帧模型及分析方法 | 第72-105页 |
| 5.1 引言 | 第72-74页 |
| 5.2 相关模型 | 第74-99页 |
| 5.2.1 名字释义 | 第74-76页 |
| 5.2.2 通信行为 | 第76-83页 |
| 5.2.2.1 强噪声下定长数据帧的行为识别 | 第77页 |
| 5.2.2.2 模型建立方案 | 第77-79页 |
| 5.2.2.3 模型验证 | 第79-83页 |
| 5.2.3 强噪声下非定长数据帧行为识别 | 第83-92页 |
| 5.2.3.1 思想方法 | 第83-84页 |
| 5.2.3.2 建模方案 | 第84-88页 |
| 5.2.3.3 模型验证 | 第88-90页 |
| 5.2.3.4 评价指标 | 第90-92页 |
| 5.2.4 降噪后数据帧行为特征 | 第92-99页 |
| 5.2.4.1 思想方法 | 第92-93页 |
| 5.2.4.2 建模方案 | 第93-97页 |
| 5.2.4.3 模型验证 | 第97页 |
| 5.2.4.4 关键词 | 第97-99页 |
| 5.3 互联网未知单协议数据帧分析 | 第99-102页 |
| 5.4 本章小结 | 第102-105页 |
| 第六章 数据帧机器学习算法 | 第105-117页 |
| 6.1 引言 | 第105-106页 |
| 6.2 数据帧聚类算法论题解析 | 第106-109页 |
| 6.2.1 数据帧格式 | 第106-107页 |
| 6.2.2 聚类流程 | 第107-109页 |
| 6.3 聚类算法性能测试实验方案 | 第109-111页 |
| 6.3.1 实验方案 | 第110页 |
| 6.3.2 测试数据集 | 第110页 |
| 6.3.3 评价指标 | 第110-111页 |
| 6.4 算法对比分析 | 第111-115页 |
| 6.4.1 使用K-means算法得到测试结果及分析 | 第111-112页 |
| 6.4.2 使用EM算法得到测试结果及分析 | 第112页 |
| 6.4.3 采用DBSCAN算法得到测试结果及分析 | 第112-114页 |
| 6.4.4 数据帧聚类算法测试结果及分析 | 第114-115页 |
| 6.5 本章小结 | 第115-117页 |
| 第七章 总结与展望 | 第117-125页 |
| 7.1 总结 | 第117-124页 |
| 7.2 展望 | 第124-125页 |
| 致谢 | 第125-126页 |
| 参考文献 | 第126-135页 |
| 攻读博士学位期间取得的成果 | 第135-136页 |