互联网中基于流测量的P2P流量及异常事件检测

摘要	第1-7页
ABSTRACT	第7-9页
目录	第9-16页
第1章 绪论	第16-32页
·引言	第16-17页
·国内外发展动态	第17-24页
·流量抽样技术研究概况	第18-21页
·P2P流量检测与控制研究概况	第21-23页
·网络攻击及异常流量检测研究概况	第23-24页
·本文的主要贡献	第24-25页
·本文的结构和安排	第25-26页
·参考文献	第26-32页
第2章 限制资源消耗的流抽样算法	第32-48页
·引言	第32-34页
·相关工作	第34-35页
·数据描述	第35页
·HARDFLOW算法及不足	第35-38页
·均匀抽样和非均匀抽样	第35-36页
·hardflow算法及不足	第36-38页
·改进的资源限制流抽样算法	第38-42页
·aflow1算法	第38-40页
·算法描述	第38-39页
·重正化公式推导	第39页
·算法实现	第39-40页
·λ参数选取	第40页
·aflow2算法	第40-42页
·算法描述	第40-41页
·重正化公式推导	第41页
·算法实现	第41-42页
·κ参数选取	第42页
·实验	第42-45页
·实验设计	第43页
·结果分析	第43-44页
·算法对比	第44-45页
·结语	第45-46页
·参考文献	第46-48页
第3章 适应高速网络的P2P流量检测控制方法	第48-62页
·引言	第48-49页
·P2P流量检测与控制技术背景	第49-51页
·TCAM原理与应用背景	第49-50页
·TCP速率公式	第50-51页
·P2P流量识别	第51页
·PM模型概述及关键问题	第51-55页
·特征码提取	第52-53页
·任意长度特征码匹配	第53-54页
·概率丢包分析	第54-55页
·仿真实验	第55-59页
·仿真设计	第55-56页
·结果分析	第56-59页
·轻负载结果	第56-57页
·重负载结果	第57-59页
·结语	第59页
·参考文献:	第59-62页
第4章 基于分组抽样的P2P超级节点推测	第62-80页
·引言	第62-64页
·相关工作及其不足	第64页
·IPS方法及节点列表管理	第64-73页
·IPS节点检测方法系统描述	第65-69页
·自适应随机抽样	第66-67页
·P2P种子节点检测	第67页
·节点关联和列表管理	第67-69页
·分析与讨论	第69-73页
·参数选取	第69-70页
·可实现性分析	第70-72页
·复杂度分析	第72-73页
·误差避免规则	第73页
·实验	第73-78页
·自适应抽样	第74-75页
·种子节点检测	第75-76页
·超级节点检测	第76-78页
·结语	第78页
·参考文献:	第78-80页
第5章 基于信息熵检测仿FCE的DDOS攻击	第80-96页
·引言	第80-82页
·相关工作	第82-84页
·异常事件源地址分布	第84-85页
·检测算法	第85-86页
·信息熵定义	第85页
·滑动窗口方法	第85-86页
·DANEE异常检测模型	第86-89页
·检测方法	第86-87页
·算法实现	第87-88页
·参数讨论	第88-89页
·实验	第89-92页
·实验数据	第89-90页
·实验方法	第90-92页
·结果分析	第92页
·结语	第92-93页
·参考文献:	第93-96页
第6章 结语	第96-98页
附录A 缩略语表	第98-100页
附录B 攻博期间撰写的论文	第100-102页
附录C 致谢	第102-104页
附录D 个人简历及参加的科研工作	第104页