基于应用层的流量识别系统设计与实现
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文研究的内容与组织形式 | 第11-13页 |
| 1.3.1 论文研究的内容 | 第11-12页 |
| 1.3.2 论文的组织结构 | 第12-13页 |
| 第二章 网络流量识别 | 第13-19页 |
| 2.1 网络流量识别概述 | 第13-16页 |
| 2.1.1 流量的定义及属性特征 | 第13页 |
| 2.1.2 流量特征提取 | 第13-14页 |
| 2.1.3 传统流量识别方法 | 第14-15页 |
| 2.1.4 流量自动分类识别 | 第15页 |
| 2.1.5 流量识别工具 | 第15-16页 |
| 2.2 应用层协议流量识别 | 第16-19页 |
| 2.2.1 FTP协议流量识别 | 第16-17页 |
| 2.2.2 HTTP协议流量识别 | 第17-19页 |
| 第三章 网络异常流量识别 | 第19-24页 |
| 3.1 异常流量的定义及危害 | 第19页 |
| 3.2 网络故障异常 | 第19页 |
| 3.3 人为恶意异常分类 | 第19-21页 |
| 3.3.1 拒绝服务 | 第20页 |
| 3.3.2 信息收集型攻击 | 第20页 |
| 3.3.3 利用型攻击 | 第20-21页 |
| 3.3.4 虚假消息 | 第21页 |
| 3.4 新型流量识别方法 | 第21-24页 |
| 3.4.1 概率统计法 | 第21页 |
| 3.4.2 关联事件推断法 | 第21-22页 |
| 3.4.3 规则匹配法 | 第22页 |
| 3.4.4 基于数据挖掘法 | 第22页 |
| 3.4.5 基于决策树法 | 第22-23页 |
| 3.4.6 基于机器学习法 | 第23-24页 |
| 第四章 系统设计方案 | 第24-36页 |
| 4.1 数据包捕获及解析 | 第25-26页 |
| 4.1.1 JPcap工作原理 | 第25页 |
| 4.1.2 JPcap实现捕获与解析 | 第25-26页 |
| 4.2 流量特征提取及处理 | 第26-28页 |
| 4.2.1 特征提取 | 第26-28页 |
| 4.2.2 特征主成分选择 | 第28页 |
| 4.3 分类模型建立 | 第28-29页 |
| 4.4 分类模型流量识别 | 第29页 |
| 4.5 系统关键技术 | 第29-36页 |
| 4.5.1 特征提取中关键字匹配 | 第29-30页 |
| 4.5.2 特征提取准则和方法 | 第30-32页 |
| 4.5.3 流量特征处理 | 第32-33页 |
| 4.5.4 特征子集评估 | 第33页 |
| 4.5.5 分类器生成 | 第33-36页 |
| 第五章 系统功能实现 | 第36-43页 |
| 5.1 开发环境与开发工具 | 第36页 |
| 5.2 系统总体设计 | 第36-37页 |
| 5.3 系统模块功能 | 第37-43页 |
| 5.3.1 流量数据采集模块 | 第37-38页 |
| 5.3.2 已知规则匹配模块 | 第38-39页 |
| 5.3.3 流量特征提取模块 | 第39-40页 |
| 5.3.4 流量特征处理模块 | 第40-41页 |
| 5.3.5 分类模型建立模块 | 第41页 |
| 5.3.6 流量识别响应模块 | 第41-43页 |
| 第六章 系统测试和结果分析 | 第43-48页 |
| 6.1 数据集使用 | 第43-44页 |
| 6.1.1 Moore数据集与KDD99数据集 | 第43-44页 |
| 6.1.2 数据集预处理 | 第44页 |
| 6.2 模型训练测试与分析 | 第44-45页 |
| 6.3 协议流量识别测试与分析 | 第45-46页 |
| 6.4 异常流量识别测试与分析 | 第46-48页 |
| 第七章 结论 | 第48-50页 |
| 7.1 全文总结 | 第48页 |
| 7.2 展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 在学期间的研究成果 | 第53-54页 |
| 致谢 | 第54页 |
