| 目录 | 第4-6页 |
| 表目录 | 第6-7页 |
| 图目录 | 第7-9页 |
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 术语说明 | 第13-14页 |
| 1.3 P2P 流量识别的研究现状 | 第14-16页 |
| 1.4 论文研究目标、研究内容与创新点 | 第16-17页 |
| 1.5 本文结构安排 | 第17-19页 |
| 第二章 基于机器学习的 DFI 方法及非对称路由对流量识别的影响 | 第19-28页 |
| 2.1 引言 | 第19页 |
| 2.2 基于机器学习的 DFI 方法的原理及模型 | 第19-21页 |
| 2.2.1 基于机器学习的 DFI 方法的原理及模型 | 第19-20页 |
| 2.2.2 机器学习算法介绍 | 第20-21页 |
| 2.3 P2P 流量识别方法的评价指标 | 第21-22页 |
| 2.4 非对称路由及其对流量识别产生的影响 | 第22-27页 |
| 2.4.1 非对称路由及其产生原因 | 第22-23页 |
| 2.4.2 非对称路由对流量识别产生的影响分析 | 第23-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于 C4.5 算法的 P2P 单向网络流量的二元识别方法 | 第28-41页 |
| 3.1 引言 | 第28页 |
| 3.2 决策树和 C4.5 算法 | 第28-31页 |
| 3.2.1 信息增益与信息增益率 | 第29-30页 |
| 3.2.2 C4.5 算法描述 | 第30-31页 |
| 3.3 基于 C4.5 算法的 P2P 单向网络流量二元识别方法 | 第31-33页 |
| 3.3.1 特征选择 | 第31-32页 |
| 3.3.2 方法流程 | 第32-33页 |
| 3.4 实验分析 | 第33-40页 |
| 3.4.1 实验数据 | 第33-34页 |
| 3.4.2 对比算法 | 第34-35页 |
| 3.4.3 实验内容与结果 | 第35-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于 Hi-WSAP 算法的 P2P 单向网络流量的精细化识别方法 | 第41-53页 |
| 4.1 引言 | 第41-42页 |
| 4.2 Hi-WSAP 算法描述 | 第42-45页 |
| 4.2.1 AP 算法 | 第42-43页 |
| 4.2.2 Hi-WSAP 算法流程 | 第43-45页 |
| 4.3 基于 Hi-WSAP 算法的 P2P 流量精细化识别方法 | 第45-47页 |
| 4.3.1 特征选择 | 第45页 |
| 4.3.2 簇标记算法 | 第45-46页 |
| 4.3.3 方法流程 | 第46-47页 |
| 4.4 实验分析 | 第47-52页 |
| 4.4.1 实验数据 | 第47页 |
| 4.4.2 对比算法 | 第47-48页 |
| 4.4.3 实验内容与结果 | 第48-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 P2P 单向网络流量识别原型系统的设计与分析 | 第53-63页 |
| 5.1 引言 | 第53页 |
| 5.2 WEKA 软件 | 第53-54页 |
| 5.3 系统设计与实现 | 第54-59页 |
| 5.3.1 系统总体设计 | 第54页 |
| 5.3.2 关键技术和关键模块说明 | 第54-59页 |
| 5.4 原型系统性能测试 | 第59-62页 |
| 5.4.1 测试环境 | 第59-60页 |
| 5.4.2 系统运行结果分析 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 结束语 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第69-70页 |
| 致谢 | 第70页 |
