| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 研究范围和内容 | 第11页 |
| 1.4 论文组织结构 | 第11-14页 |
| 第二章 BitTorrent概述及流量分析现状 | 第14-20页 |
| 2.1 BitTorrent概述 | 第14-15页 |
| 2.2 BitTorrent协议规范 | 第15-16页 |
| 2.2.1 BitTorrent协议系统构成 | 第15-16页 |
| 2.2.2 种子文件结构 | 第16页 |
| 2.3 现有BitTorrent网络流量识别方法 | 第16-20页 |
| 2.3.1 深层数据包检测(DPI)技术 | 第17页 |
| 2.3.2 深度/动态流检测(DFI)技术 | 第17-18页 |
| 2.3.3 现有BitTorrent流量识别方法及其局限性 | 第18-20页 |
| 第三章 BitTorrent精细化流量分析 | 第20-48页 |
| 3.1 BitTorrent完整通信流程 | 第20-21页 |
| 3.2 Tracker服务器的识别 | 第21-28页 |
| 3.2.1 Tracker交互过程分析 | 第21-26页 |
| 3.2.2 Tracker服务器识别方法 | 第26-28页 |
| 3.3 Peer用户的识别 | 第28-48页 |
| 3.3.1 基于TCP的Peer交互过程分析 | 第29-36页 |
| 3.3.2 基于UDP的Peer交互过程分析 | 第36-42页 |
| 3.3.3 Peer间交互流量特征分析 | 第42-46页 |
| 3.3.4 Peer用户流量识别方法 | 第46-48页 |
| 第四章 基于MapReduce的海量BitTorrent流量分析系统 | 第48-62页 |
| 4.1 Hadoop系统和MapReduce编程框架 | 第48-50页 |
| 4.2 海量原始话单数据 | 第50-52页 |
| 4.2.1 HTTP话单 | 第50-51页 |
| 4.2.2 Rawflow话单 | 第51-52页 |
| 4.3 MapReduce任务提取Tracker服务器 | 第52-53页 |
| 4.4 MapReduce任务链提取Peer用户 | 第53-62页 |
| 4.4.1 获取Peer使用BitTorrent时段 | 第54-55页 |
| 4.4.2 Peer相关UDP流记录提取 | 第55-57页 |
| 4.4.3 Peer完整UDP流量聚合 | 第57-58页 |
| 4.4.4 Peer相关TCP流记录提取 | 第58-60页 |
| 4.4.5 Peer完整TCP流量聚合 | 第60-62页 |
| 第五章 BitTorrent流量分析数据存储与管理 | 第62-78页 |
| 5.1 分布式列存储数据库HBase简介 | 第62-67页 |
| 5.1.1 HBase构架 | 第63-64页 |
| 5.1.2 HBase数据模型与物理模型 | 第64-67页 |
| 5.2 Tracker服务器属性信息管理 | 第67-72页 |
| 5.2.1 HBase表格设计 | 第67-69页 |
| 5.2.2 数据导入逻辑 | 第69-70页 |
| 5.2.3 数据查询逻辑 | 第70-72页 |
| 5.3 Peer客户端流量信息管理 | 第72-78页 |
| 5.3.1 HBase主数据表设计 | 第72-73页 |
| 5.3.2 HBase索引表设计 | 第73-74页 |
| 5.3.3 数据导入逻辑 | 第74-75页 |
| 5.3.4 数据查询逻辑 | 第75-78页 |
| 第六章 BitTorrent流量识别结果分析 | 第78-92页 |
| 6.1 原始数据说明 | 第78页 |
| 6.2 Tracker服务器识别结果 | 第78-84页 |
| 6.2.1 Tracker服务器管理与检索 | 第78-80页 |
| 6.2.2 Tracker服务器属性分析 | 第80-84页 |
| 6.3 Peer识别结果 | 第84-92页 |
| 6.3.1 Peer管理与检索 | 第84-86页 |
| 6.3.2 Peer流量特征分析 | 第86-92页 |
| 第七章 总结与展望 | 第92-94页 |
| 参考文献 | 第94-96页 |
| 致谢 | 第96-98页 |
| 攻读学位期间发表的学术论文目录 | 第98页 |
