DFI流量分类技术的研究和实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-10页 |
| ·背景介绍 | 第8-9页 |
| ·论文结构 | 第9-10页 |
| 第二章 流量分类技术 | 第10-16页 |
| ·不同层面的流量分析 | 第10页 |
| ·评价指标 | 第10-11页 |
| ·端口、DPI和DFI分类技术 | 第11-16页 |
| ·端口分类技术 | 第11-12页 |
| ·DPI技术 | 第12-13页 |
| ·DFI技术 | 第13-15页 |
| ·DPI和DFI的对比 | 第15-16页 |
| 第三章 机器学习 | 第16-22页 |
| ·机器学习简介 | 第16页 |
| ·机器学习算法 | 第16-20页 |
| ·K-Means算法 | 第16-18页 |
| ·C4.5决策树算法 | 第18-19页 |
| ·Boosting算法 | 第19-20页 |
| ·存在的问题 | 第20页 |
| ·未来研究方向 | 第20-22页 |
| 第四章 分流准则及分类器评估 | 第22-29页 |
| ·传输层协议分流准则 | 第22-23页 |
| ·常用端口分流准则 | 第23页 |
| ·长短流分类准则 | 第23-27页 |
| ·分类器效果评估 | 第27-29页 |
| 第五章 P2P业务识别技术 | 第29-42页 |
| ·P2P流量业务识别 | 第29-32页 |
| ·P2P流媒体业务特征 | 第32-33页 |
| ·实验数据的采集和分析 | 第33-35页 |
| ·分类属性选择 | 第35-42页 |
| ·Weka的属性选择功能 | 第35-36页 |
| ·使用Weka进行属性评估的结果 | 第36-38页 |
| ·使用不同属性测试结果分析 | 第38-41页 |
| ·对实验结果的解释 | 第41-42页 |
| 第六章 P2P业务识别系统 | 第42-52页 |
| ·确定性分类器部分 | 第43-50页 |
| ·正则表达式匹配 | 第45-47页 |
| ·自动协议指纹技术 | 第47-50页 |
| ·概率性分类器部分 | 第50-52页 |
| 第七章 总结 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表的学术论文目录 | 第56页 |
