| 摘要 | 第1-8页 |
| 第一章 绪论 | 第8-12页 |
| ·论文研究背景及意义 | 第8页 |
| ·网络流量采集研究现状 | 第8-10页 |
| ·论文研究内容及创新点 | 第10-11页 |
| ·论文的结构安排 | 第11-12页 |
| 第二章 流量采集和数据挖掘基本理论 | 第12-26页 |
| ·流量采集的基本原理 | 第12-14页 |
| ·以太网网卡的广播特性 | 第12页 |
| ·数据包是如何通过以太网网卡的 | 第12-13页 |
| ·以太网的数据报文过滤机制 | 第13-14页 |
| ·包捕获的内核机制 | 第14-19页 |
| ·Windows 系统下的包捕获原理 | 第14-15页 |
| ·WinPcap 的体系结构 | 第15-16页 |
| ·Windows 系统下的NPF 过滤机制 | 第16-17页 |
| ·WinPcap 提供的主要数据结构和函数 | 第17-19页 |
| ·流量采集的方式 | 第19-20页 |
| ·共享式网络环境下的流量采集方式 | 第19-20页 |
| ·交换式网络环境下的流量采集方式 | 第20页 |
| ·基于核心设备的端口镜像方式 | 第20页 |
| ·数据挖掘的基本原理 | 第20-25页 |
| ·数据挖掘技术 | 第20-22页 |
| ·数据挖掘的任务 | 第22-23页 |
| ·数据挖掘的步骤 | 第23-24页 |
| ·在流量采集中引入数据挖掘技术 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于数据挖掘的多 Agent 分布式网络流量采集系统结构设计 | 第26-35页 |
| ·DA_DNTC 系统的主要功能要求 | 第26页 |
| ·DA_DNTC 系统的体系结构选择 | 第26-27页 |
| ·DA_DNTC 系统结构模型 | 第27-28页 |
| ·DA_DNTC 系统各模块设计 | 第28-33页 |
| ·DA_DNTC 的代理结构体系 | 第28-29页 |
| ·通信服务代理(TSA) | 第29-31页 |
| ·包捕获代理(PCA) | 第31-32页 |
| ·数据挖掘代理(DMA) | 第32-33页 |
| ·DA_DNTC 的运行机制 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 数据挖掘技术在 DMA 中的应用 | 第35-51页 |
| ·对采集的数据进行预处理 | 第35-36页 |
| ·聚类分析挖掘算法 | 第36-44页 |
| ·聚类分析的基本思想 | 第36-37页 |
| ·聚类分析中的数据类型 | 第37-38页 |
| ·数值属性的相似性测度 | 第38-40页 |
| ·聚类准则 | 第40页 |
| ·聚类分析算法的分类 | 第40-42页 |
| ·K-Means 算法 | 第42-43页 |
| ·K-Means 算法特点[26] | 第43页 |
| ·K-Means 算法改进 | 第43-44页 |
| ·关联规则挖掘算法 | 第44-49页 |
| ·关联规则的基本概念 | 第44-45页 |
| ·关联规则的种类 | 第45-46页 |
| ·关联规则挖掘的基本步骤和应注意的问题 | 第46-47页 |
| ·Apriori 算法 | 第47-48页 |
| ·FP-Growth 算法 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 DA_DNTC 系统性能分析 | 第51-59页 |
| ·系统性能分析 | 第51-53页 |
| ·千兆以太网技术 | 第51页 |
| ·报文过滤技术 | 第51页 |
| ·面向业务技术[14] | 第51-52页 |
| ·读写缓冲技术[34] | 第52页 |
| ·数据挖掘技术 | 第52-53页 |
| ·Agent 技术 | 第53页 |
| ·聚类算法效率分析 | 第53-56页 |
| ·聚类算法中的K-Means 算法和改进的算法比较 | 第53-54页 |
| ·实验数据和结果 | 第54-56页 |
| ·关联规则效率分析 | 第56-58页 |
| ·关联规则中Apriori 算法和FP-Growth 算法比较 | 第56-57页 |
| ·实验数据和结果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 结论 | 第59-61页 |
| ·总结 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-64页 |
| 个人简历、读研期间的科研工作及发表的论文 | 第64页 |
