| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 基于端口号匹配的分类方法 | 第12-13页 |
| 1.2.2 基于深度包检测的分类方法 | 第13-14页 |
| 1.2.3 基于网络协议解析的分类方法 | 第14-17页 |
| 1.2.4 基于统计学习的分类方法 | 第17-20页 |
| 1.3 论文研究成果 | 第20-21页 |
| 1.4 论文组织结构 | 第21-22页 |
| 1.5 本章小结 | 第22-23页 |
| 第二章 基于核密度估计的相关网络流量贝叶斯分类方法 | 第23-39页 |
| 2.1 引言 | 第23页 |
| 2.2 网络流基本概念 | 第23-24页 |
| 2.3 基于统计学习的网络流量分类方法 | 第24-27页 |
| 2.3.1 流统计特征 | 第24-26页 |
| 2.3.2 有监督学习的贝叶斯流量分类方法 | 第26-27页 |
| 2.4 网络流量的相关信息 | 第27-29页 |
| 2.5 基于相关信息的网络流量贝叶斯分类 | 第29-30页 |
| 2.6 基于核密度估计的相关网络流量贝叶斯分类 | 第30-32页 |
| 2.7 分类过程 | 第32-33页 |
| 2.8 特征的选择 | 第33-35页 |
| 2.8.1 特征生成工具 | 第33-34页 |
| 2.8.2 特征集的选择方法 | 第34-35页 |
| 2.9 评价标准 | 第35-36页 |
| 2.10 并行改进 | 第36-39页 |
| 第三章 实验结果和分析 | 第39-53页 |
| 3.1 实验数据集 | 第39-41页 |
| 3.1.1 数据集的标注 | 第39-40页 |
| 3.1.2 实验数据集介绍 | 第40-41页 |
| 3.2 实验环境 | 第41-42页 |
| 3.2.1 软硬件环境介绍 | 第41-42页 |
| 3.2.2 实验参数介绍 | 第42页 |
| 3.3 实验过程和结果 | 第42-50页 |
| 3.4 结果对比和分析 | 第50-53页 |
| 第四章 总结与展望 | 第53-55页 |
| 4.1 总结 | 第53页 |
| 4.2 展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57-59页 |
| 研究成果及发表的学术论文 | 第59-61页 |
| 作者和导师简介 | 第61-63页 |
| 附件 | 第63-64页 |