| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-18页 |
| ·研究背景 | 第8-11页 |
| ·P2P 网络的特点 | 第8-10页 |
| ·P2P 技术的应用 | 第10-11页 |
| ·P2P 文件共享应用带来的新问题 | 第11页 |
| ·课题来源 | 第11-12页 |
| ·P2P 文件共享加密流量识别研究现状 | 第12-16页 |
| ·P2P 文件共享加密流量识别的基本含义 | 第12页 |
| ·国内外研究现状 | 第12-16页 |
| ·各种P2P 文件共享加密流量识别技术的比较 | 第16页 |
| ·本文研究内容及组织结构 | 第16-18页 |
| 第2章 加密流量识别系统中统计行为特征的提取 | 第18-37页 |
| ·P2P 网络模型分析 | 第18-24页 |
| ·集中目录式P2P 网络模型 | 第18-19页 |
| ·纯P2P 网络模型 | 第19-24页 |
| ·P2P 文件共享协议分析 | 第24-28页 |
| ·BitTorrent 协议 | 第24-25页 |
| ·eDonkey 协议 | 第25-27页 |
| ·Xunlei 协议 | 第27-28页 |
| ·统计行为特征的提取 | 第28-35页 |
| ·特征的选择 | 第28-29页 |
| ·实验数据及结果分析 | 第29-31页 |
| ·特征的提取方式 | 第31-33页 |
| ·实验数据及结果分析 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 第3章 加密流量识别系统中机器学习算法的确定 | 第37-48页 |
| ·数据挖掘中的机器学习方法 | 第37-41页 |
| ·有监督学习 | 第37-38页 |
| ·无监督学习 | 第38页 |
| ·半监督学习 | 第38-39页 |
| ·机器学习方法在流量识别中的实现 | 第39-41页 |
| ·机器学习算法的选择 | 第41-47页 |
| ·流量识别领域中常用有监督机器学习算法的比较 | 第41-43页 |
| ·实验数据及结果分析 | 第43-45页 |
| ·C4.5 决策树算法分析 | 第45-47页 |
| ·机器学习算法的确定 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第4章 P2P 文件共享加密流量识别系统的设计与实现 | 第48-67页 |
| ·系统总体设计 | 第48-49页 |
| ·离线分析模块 | 第49-60页 |
| ·流量采集 | 第49页 |
| ·特征提取 | 第49-51页 |
| ·C4.5 决策树分类模型建立及参数调优 | 第51-60页 |
| ·在线分类模块 | 第60-66页 |
| ·在线分类模块的实现过程 | 第60页 |
| ·在线分类模拟实验 | 第60-62页 |
| ·各目标协议样本所占比例不同时的流量识别 | 第62-65页 |
| ·对不同时间段内采集的数据集进行流量识别 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74页 |