基于半监督学习的网络流量分类技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 基于固定端口号的协议过滤技术 | 第11-12页 |
| 1.2.2 基于数据包有效载荷的深度包检测技术 | 第12-13页 |
| 1.2.3 基于网络流行为的流量分类技术 | 第13-14页 |
| 1.3 论文主要工作 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第二章 基于半监督学习的自适应网络流量分类方法 | 第17-33页 |
| 2.1 应用需求分析 | 第17-20页 |
| 2.2 系统框架设计 | 第20-21页 |
| 2.3 标记数据辅助模块 | 第21-25页 |
| 2.3.1 特征权重确定 | 第22-24页 |
| 2.3.2 初始中心点确定 | 第24-25页 |
| 2.4 自适应聚类模块 | 第25-29页 |
| 2.4.1 k-means聚类算法介绍 | 第25-26页 |
| 2.4.2 自适应的k-means聚类算法 | 第26-28页 |
| 2.4.3 改进的聚簇的类别映射 | 第28-29页 |
| 2.5 在线分类模块 | 第29-31页 |
| 2.6 系统更新模块 | 第31-32页 |
| 2.7 本章小结 | 第32-33页 |
| 第三章 SSTCS系统性能仿真分析 | 第33-41页 |
| 3.1 实验数据集介绍 | 第33-34页 |
| 3.2 系统性能评价标准 | 第34-35页 |
| 3.3 仿真结果分析 | 第35-40页 |
| 3.3.1 预对比系统与仿真环境 | 第35-36页 |
| 3.3.2 系统整体准确率分析 | 第36页 |
| 3.3.3 不同协议的准确率分析 | 第36-37页 |
| 3.3.4 已标记数据比例影响分析 | 第37-38页 |
| 3.3.5 未知协议提取性能分析 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 SSTCS在负载均衡系统中的应用 | 第41-47页 |
| 4.1 应用需求分析 | 第41-42页 |
| 4.2 负载均衡系统研究 | 第42-43页 |
| 4.3 SSTCS实现负载均衡 | 第43-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 总结与展望 | 第47-50页 |
| 5.1 本文总结 | 第47-48页 |
| 5.2 工作展望 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表的学术论文目录 | 第56页 |
