可逆Bloom Filter及其在长流识别应用中的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·网络测量背景及研究现状 | 第9-12页 |
| ·网络测量的意义 | 第12-14页 |
| ·论文的组织结构 | 第14-16页 |
| 第2章 IP流分布与测量方法 | 第16-23页 |
| ·引言 | 第16页 |
| ·流的定义及特征描述 | 第16-18页 |
| ·流的定义 | 第16-17页 |
| ·流的特征描述 | 第17-18页 |
| ·流长分布 | 第18-20页 |
| ·测量流分布的意义 | 第18-20页 |
| ·IP流的分布模型 | 第20页 |
| ·网络测量的方法 | 第20-22页 |
| ·主动测量 | 第20-21页 |
| ·被动测量 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 长流识别技术的介绍 | 第23-43页 |
| ·引言 | 第23页 |
| ·重尾分布 | 第23-25页 |
| ·重尾分布的数学定义 | 第24页 |
| ·常见的重尾分布模型 | 第24-25页 |
| ·长流识别的意义 | 第25-26页 |
| ·抽样技术 | 第26-30页 |
| ·触发事件 | 第26-27页 |
| ·抽样策略 | 第27-29页 |
| ·抽样推断 | 第29-30页 |
| ·抽样技术识别长流 | 第30页 |
| ·哈希技术 | 第30-42页 |
| ·哈希技术的定义和特点 | 第31-32页 |
| ·Bloom Filter的介绍 | 第32-36页 |
| ·Bloom Filter的扩展 | 第36-37页 |
| ·哈希技术识别长流 | 第37-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 可逆Bloom Filter的识别长流 | 第43-58页 |
| ·引言 | 第43-44页 |
| ·可逆技术的提出 | 第44-46页 |
| ·可逆Bloom Filter的必要性 | 第44-45页 |
| ·可逆Bloom Filter的可行性 | 第45-46页 |
| ·可逆技术的相关研究 | 第46页 |
| ·提取流标识 | 第46-47页 |
| ·构造可逆Bloom Filter | 第47-53页 |
| ·带有语义的哈希函数 | 第47-52页 |
| ·独立的存储空间 | 第52-53页 |
| ·识别长流 | 第53-57页 |
| ·确定还原短串 | 第53-54页 |
| ·还原出流标识 | 第54-56页 |
| ·实验结果 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-61页 |
| ·论文的创新点 | 第58-59页 |
| ·论文完成的主要工作 | 第59-60页 |
| ·工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 参与还原的哈希短串 | 第65-73页 |
| 攻读学位期间公开发表的论文 | 第73-74页 |
| 致谢 | 第74-75页 |
| 研究生履历 | 第75页 |
