基于卷积神经网络的未知和加密流量识别的研究与实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 流量识别技术 | 第12-15页 |
| 1.2.2 未知协议流量识别研究现状 | 第15页 |
| 1.2.3 加密流量识别研究现状 | 第15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-19页 |
| 第二章 流量识别和深度学习相关理论 | 第19-27页 |
| 2.1 流量的定义 | 第19-20页 |
| 2.2 流量提取 | 第20-22页 |
| 2.3 深度学习与卷积神经网络 | 第22-25页 |
| 2.3.1 深度学习概述 | 第22-23页 |
| 2.3.2 卷积神经网络 | 第23-25页 |
| 2.4 数据性能测评标准 | 第25-27页 |
| 第三章 基于卷积神经网络的未知流量识别 | 第27-45页 |
| 3.1 数据集 | 第27-30页 |
| 3.1.1 数据集采集 | 第27-28页 |
| 3.1.2 数据集处理 | 第28-30页 |
| 3.2 未知协议识别模型 | 第30-40页 |
| 3.2.1 未知流量识别模型设计 | 第30-35页 |
| 3.2.2 未知流量识别实验框架 | 第35-36页 |
| 3.2.3 未知流量识别模型结构 | 第36-38页 |
| 3.2.4 训练未知流量识别模型 | 第38-40页 |
| 3.3 实验结果 | 第40-45页 |
| 第四章 基于卷积神经网络的加密流量识别 | 第45-57页 |
| 4.1 数据集 | 第45-49页 |
| 4.1.1 精细化识别 | 第45-46页 |
| 4.1.2 数据集采集 | 第46-47页 |
| 4.1.3 数据集处理 | 第47-49页 |
| 4.2 加密流量识别模型 | 第49-54页 |
| 4.2.1 加密流量识别模型设计和结构 | 第49-50页 |
| 4.2.2 训练加密流量识别模型 | 第50-54页 |
| 4.3 实验结果 | 第54-57页 |
| 第五章 网络流量监控系统实现 | 第57-75页 |
| 5.1 系统设计背景 | 第57页 |
| 5.2 总体设计 | 第57-67页 |
| 5.2.1 系统需求 | 第57页 |
| 5.2.2 系统环境依赖 | 第57-58页 |
| 5.2.3 基本设计和处理流程 | 第58-67页 |
| 5.3 系统运行及效果 | 第67-75页 |
| 5.3.1 运行环境配置 | 第67-68页 |
| 5.3.2 系统操作流程及效果 | 第68-72页 |
| 5.3.3 系统性能测试 | 第72-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 攻读学位期间发表的学术论文 | 第85页 |
