| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景和意义 | 第10页 |
| 1.2 网络流量分类技术的研究现状与展望 | 第10-14页 |
| 1.2.1 网络流量分类技术的国内外研究现状 | 第10-14页 |
| 1.2.2 网络流量分类技术的发展趋势 | 第14页 |
| 1.3 课题的来源及研究内容 | 第14-15页 |
| 1.3.1 课题来源 | 第14页 |
| 1.3.2 课题的主要研究内容与创新点 | 第14-15页 |
| 1.4 论文组织结构及内容安排 | 第15-16页 |
| 第2章 流量分析工具、实验平台及评价方法 | 第16-23页 |
| 2.1 流量分析工具 | 第16-18页 |
| 2.2 实验平台 | 第18-21页 |
| 2.3 评价指标 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于滑动窗口的TCP数据流重组方法 | 第23-31页 |
| 3.1 问题描述 | 第23-25页 |
| 3.1.1 TCP协议格式及分片原理 | 第23-24页 |
| 3.1.2 已有TCP数据流重组方法及其缺陷 | 第24-25页 |
| 3.2 基于滑动窗口的TCP数据流重组方案 | 第25-28页 |
| 3.2.1 TCP数据流重组整体流程 | 第25-26页 |
| 3.2.2 不同层次丢包情况下的处理策略 | 第26-28页 |
| 3.3 实验及结果分析 | 第28-29页 |
| 3.4 本章小结 | 第29-31页 |
| 第4章 基于单向监督与概率衰减的分类方法 | 第31-39页 |
| 4.1 问题描述 | 第31页 |
| 4.2 基于单向监督与概率衰减的分类方法 | 第31-36页 |
| 4.2.1 离线训练 | 第32-33页 |
| 4.2.2 在线识别 | 第33-36页 |
| 4.3 实验及结果分析 | 第36-38页 |
| 4.3.1 实验过程 | 第36-37页 |
| 4.3.2 实验结果分析 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第5章 层次化网络流量分类框架 | 第39-59页 |
| 5.1 问题描述 | 第39-40页 |
| 5.1.1 当前网络流量分类的要求及已有分类方法的缺陷 | 第39页 |
| 5.1.2 混合分类技术的优势 | 第39-40页 |
| 5.2 NTCA整体设计 | 第40-41页 |
| 5.3 在线与离线识别引擎 | 第41-46页 |
| 5.3.1 端口识别模块 | 第41-43页 |
| 5.3.2 精确特征识别模块 | 第43页 |
| 5.3.3 正则表达式识别模块 | 第43页 |
| 5.3.4 流量特征与机器学习识别模块 | 第43-45页 |
| 5.3.5 流量传播图识别模块 | 第45页 |
| 5.3.6 链路同质性识别模块 | 第45-46页 |
| 5.4 识别基于SSH/SSL加密流量的层次化混合方法 | 第46-47页 |
| 5.5 实验及结果分析 | 第47-50页 |
| 5.5.1 基于SSL的加密流量分析 | 第47-48页 |
| 5.5.2 NTCA分类性能 | 第48-50页 |
| 5.6 开源网络流量分类与对比基准平台OpenNTCB | 第50-58页 |
| 5.6.1 需求分析 | 第50-51页 |
| 5.6.2 总体架构 | 第51页 |
| 5.6.3 平台实现 | 第51-58页 |
| 5.7 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间所发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |
