| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 研究目的与意义 | 第9-10页 |
| 1.4 论文结构 | 第10-13页 |
| 2 网络协议的隐马尔可夫模型 | 第13-25页 |
| 2.1 隐马尔可夫模型理论基础 | 第13-19页 |
| 2.1.1 马尔可夫模型简介 | 第13-15页 |
| 2.1.2 隐马尔可夫模型简介 | 第15-17页 |
| 2.1.3 HMM 的典型应用及经典算法 | 第17-19页 |
| 2.2 网络流的 HMM 模型 | 第19-22页 |
| 2.2.1 网络流的特征 | 第19-21页 |
| 2.2.2 网络流的 HMM 模型 | 第21-22页 |
| 2.3 本章小结 | 第22-25页 |
| 3 网络流量识别技术研究 | 第25-31页 |
| 3.1 传统的网络流量识别技术 | 第25-28页 |
| 3.1.1 基于端口的流量识别 | 第26页 |
| 3.1.2 基于应用层载荷的流量识别 | 第26-27页 |
| 3.1.3 基于网络流统计特征的流量识别 | 第27-28页 |
| 3.2 基于协议 HMM 模型的流量识别技术 | 第28-29页 |
| 3.3 本章小结 | 第29-31页 |
| 4 自动构建网络协议隐马尔可夫模型 | 第31-57页 |
| 4.1 基于密度的 DBSCAN 聚类算法及改进 | 第31-35页 |
| 4.1.1 DBSCAN 聚类算法 | 第31-32页 |
| 4.1.2 改进的 DBSCAN 算法 | 第32-35页 |
| 4.2 自动构建网络协议 HMM 模型的初始结构 | 第35-41页 |
| 4.2.1 获取模型的初始“状态” | 第36-39页 |
| 4.2.2 构建协议有穷状态机模型 | 第39-41页 |
| 4.3 网络协议 HMM 模型的学习 | 第41-46页 |
| 4.3.1 网络流特征提取 | 第41-43页 |
| 4.3.2 协议 HMM 模型初始参数设置 | 第43-44页 |
| 4.3.3 协议 HMM 模型的参数训练 | 第44-46页 |
| 4.4 实验验证 | 第46-55页 |
| 4.4.1 实验设计与实验条件 | 第46-49页 |
| 4.4.2 自动构建协议有穷状态机方法的正确性验证 | 第49-53页 |
| 4.4.3 改进的 DBSCAN 算法的性能验证 | 第53-55页 |
| 4.5 本章小结 | 第55-57页 |
| 5 自动构建网络协议 HMM 模型方法的应用 | 第57-69页 |
| 5.1 应用设计与数据获取 | 第57页 |
| 5.2 基于自动构建的协议 HMM 模型的流量识别 | 第57-67页 |
| 5.2.1 基于网络协议 HMM 模型流量分类的原理 | 第57-60页 |
| 5.2.2 网络协议 HMM 模型学习结果 | 第60-64页 |
| 5.2.3 基于协议 HMM 模型的流量分类结果 | 第64-67页 |
| 5.3 本章小结 | 第67-69页 |
| 6 结论与展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录 | 第77-83页 |
