| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题背景 | 第11页 |
| 1.2 传统网络流量分类方法 | 第11-12页 |
| 1.3 基于统计的网络流量分类方法 | 第12-13页 |
| 1.4 未知协议感知的基于统计的网络流量分类方法 | 第13页 |
| 1.5 本文的组织结构 | 第13-14页 |
| 1.6 本章小结 | 第14-15页 |
| 第2章 网络流量分类的相关工作 | 第15-23页 |
| 2.1 传统的网络流量分类方法 | 第15-18页 |
| 2.1.1 基于端口的分类方法 | 第15-16页 |
| 2.1.2 基于负载的网络流量分类方法 | 第16-18页 |
| 2.2 基于统计的方法 | 第18-22页 |
| 2.2.1 基于统计的方法 | 第19-21页 |
| 2.2.2 基于统计的聚类方法 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 机器学习在网络流量分类中的应用 | 第23-34页 |
| 3.1 机器学习的历史 | 第23页 |
| 3.2 分类效果的评测 | 第23-25页 |
| 3.3 机器学习类别 | 第25-33页 |
| 3.3.1 监督学习(supervised learning) | 第25-30页 |
| 3.3.2 非监督学习(unsupervised learning) | 第30-33页 |
| 3.4 本章总结 | 第33-34页 |
| 第4章 未知协议感知的网络流量分类方法 | 第34-42页 |
| 4.1 未知协议的特征提取 | 第34-38页 |
| 4.1.1 受限K-means | 第36-37页 |
| 4.1.2 网络流类型及网络流特征的定义 | 第37页 |
| 4.1.3 网络流的特征参数选取 | 第37-38页 |
| 4.2 流量的分类策略 | 第38-39页 |
| 4.3 未知协议感知的分类方法(upa) | 第39页 |
| 4.4 本章小结 | 第39-42页 |
| 第5章 UPA性能分析 | 第42-52页 |
| 5.1 实验数据集介绍 | 第42-44页 |
| 5.2 未知协议特征提取分析 | 第44-45页 |
| 5.3 分类准确度分析 | 第45-48页 |
| 5.4 协议精度,召回率,F值分析 | 第48-50页 |
| 5.5 混淆矩阵分析 | 第50-51页 |
| 5.6 本章总结 | 第51-52页 |
| 第6章 总结与展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 附录 | 第58-62页 |
| 攻读硕士学位期间主要的研究成果 | 第62-63页 |
| 致谢 | 第63页 |