基于聚类算法的实时IP流量识别技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 引言 | 第10-18页 |
| ·Internet发展近况 | 第10-14页 |
| ·Internet规模 | 第10-11页 |
| ·Internet业务 | 第11-12页 |
| ·Internet资源 | 第12-13页 |
| ·Internet安全问题 | 第13-14页 |
| ·网络流量分析的必要性 | 第14-15页 |
| ·在线网络流量分析的面临问题 | 第15-16页 |
| ·本文的主要工作 | 第16页 |
| ·论文结构 | 第16-18页 |
| 第二章 网络流量分析的背景知识及研究现状 | 第18-32页 |
| ·基于机器学习算法的流量识别的基本概念 | 第18-19页 |
| ·网络应用数据流的基本概念 | 第18页 |
| ·机器学习方法概要 | 第18-19页 |
| ·网络流量识别方法 | 第19-27页 |
| ·基于端口的识别方法 | 第20-21页 |
| ·基于包负载的识别方法 | 第21-23页 |
| ·基于流特征统计的流量识别方法 | 第23页 |
| ·基于机器学习算法的流量识别的研究现状 | 第23-27页 |
| ·实验环境简介 | 第27-30页 |
| ·实验环境 | 第27-28页 |
| ·实验工具 | 第28-29页 |
| ·实验评价标准 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 特征集处理及模型设计 | 第32-45页 |
| ·特征集处理概述 | 第32-35页 |
| ·特征集的基本概念 | 第32-34页 |
| ·特征集的基本要求 | 第34-35页 |
| ·特征集的选择 | 第35页 |
| ·特征集处理流程的改进 | 第35-36页 |
| ·改进特征提取模型设计 | 第36-39页 |
| ·特征提取模型 | 第36-37页 |
| ·改进的特征提取模型设计 | 第37-39页 |
| ·改进的特征提取模型分析 | 第39页 |
| ·实验结果与分析 | 第39-43页 |
| ·实验设计 | 第39-41页 |
| ·实验结果 | 第41-42页 |
| ·实验分析 | 第42-43页 |
| ·改进的特征提取模型的分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 聚类算法改进及网络流量识别模型设计 | 第45-68页 |
| ·聚类算法分析 | 第45-52页 |
| ·划分聚类算法 | 第45-47页 |
| ·层次聚类算法 | 第47-48页 |
| ·基于密度的方法 | 第48-49页 |
| ·基于网格的方法 | 第49-50页 |
| ·基于模型的方法 | 第50-51页 |
| ·聚类算法对比 | 第51-52页 |
| ·在网络流量识别中聚类算法对比实验 | 第52-57页 |
| ·实验设计 | 第52-53页 |
| ·实验结果 | 第53-57页 |
| ·实验分析 | 第57页 |
| ·聚类算法改进 | 第57-59页 |
| ·改进算法描述 | 第58-59页 |
| ·改进算法分析 | 第59页 |
| ·基于改进算法的在线网络流量识别模型设计 | 第59-61页 |
| ·在线网络流量识别模型设计 | 第59-60页 |
| ·在线网络流量识别系统设计 | 第60-61页 |
| ·在线网络流量模型和系统分析 | 第61页 |
| ·基于改进算法实验结果 | 第61-66页 |
| ·实验设计 | 第61-63页 |
| ·实验结果 | 第63-65页 |
| ·实验分析 | 第65-66页 |
| ·本章小结 | 第66-68页 |
| 第五章 总结与展望 | 第68-69页 |
| ·本文总结 | 第68页 |
| ·今后工作及展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文 | 第74页 |
