| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 网络流量分类识别综述 | 第8-11页 |
| 1.1.1 基本网络流量分类识别方法 | 第9-10页 |
| 1.1.2 基于支持向量机的网络流量分类 | 第10-11页 |
| 1.2 网络流量分类识别的目前状况 | 第11-12页 |
| 1.2.1 传统网络流量分类识别：基于端口和基于有效载荷的目前状况 | 第11-12页 |
| 1.2.2 基于支持向量机的网络流量分类识别的现状 | 第12页 |
| 1.3 论文的主要工作 | 第12-13页 |
| 1.3.1 支持向量机算法研究 | 第12-13页 |
| 1.3.2 网络流量的采集 | 第13页 |
| 1.3.3 网络流量特征的产生 | 第13页 |
| 1.3.4 网络流量的分类识别 | 第13页 |
| 1.4 论文的章节内容 | 第13-16页 |
| 第二章 支持向量机算法介绍 | 第16-34页 |
| 2.1 线性学习器 | 第16-20页 |
| 2.1.1 线性分类 | 第16页 |
| 2.1.2 逻辑回归 | 第16-17页 |
| 2.1.3 函数间隔与几何间隔 | 第17-18页 |
| 2.1.4 最大间隔分类器 | 第18页 |
| 2.1.5 支持向量 | 第18-19页 |
| 2.1.6 凸优化 | 第19-20页 |
| 2.2 拉格朗日对偶：更高效率的优化算法 | 第20-27页 |
| 2.3 核函数与线性不可分问题的处理 | 第27-31页 |
| 2.4 小结 | 第31-34页 |
| 第三章 网络流量数据采集与网络流量特征生成 | 第34-40页 |
| 3.1 网络流量数据采集 | 第34-36页 |
| 3.1.1 Winpcap库函数基本介绍 | 第34-36页 |
| 3.2 网络流量特征生成 | 第36-38页 |
| 3.2.1 将数据包整理为数据流 | 第36页 |
| 3.2.2 网络流量可以选择的特征集合 | 第36-38页 |
| 3.3 小结 | 第38-40页 |
| 第四章 网络流量特征筛选 | 第40-46页 |
| 4.1 基于递归的特征筛选算法 | 第40-42页 |
| 4.2 基于特征之间距离和遗传学算法的特征筛选方法 | 第42-44页 |
| 4.3 小结 | 第44-46页 |
| 第五章 基于支持向量机的网络流量分类识别系统设计与实现 | 第46-52页 |
| 5.1 系统的整体结构 | 第46页 |
| 5.2 网络流量采集子系统 | 第46-47页 |
| 5.3 网络流量特征处理子系统 | 第47-48页 |
| 5.4 网络流量分类子系统 | 第48-50页 |
| 5.5 小结 | 第50-52页 |
| 第六章 总结 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
