| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与研究意义 | 第11-13页 |
| 1.1.1 我国互联网发展现状 | 第11-12页 |
| 1.1.2 论文的研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 国内外网络流识别的方法 | 第13-15页 |
| 1.2.2 现有方法存在的问题 | 第15页 |
| 1.3 论文的主要工作和内容安排 | 第15-17页 |
| 第2章 网络流识别技术 | 第17-27页 |
| 2.1 网络流 | 第17-19页 |
| 2.1.1 计算机网络相关知识 | 第17-18页 |
| 2.1.2 网络流 | 第18-19页 |
| 2.2 深度报文检测技术(又称DPI) | 第19-21页 |
| 2.2.1 特征库的建立 | 第19-20页 |
| 2.2.2 特征匹配算法 | 第20-21页 |
| 2.3 深度流检测技术 | 第21-26页 |
| 2.3.1 DFI流程 | 第21-22页 |
| 2.3.2 识别算法——分类与预测算法 | 第22-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 深度报文检测技术模块实现 | 第27-40页 |
| 3.1 DPI模块整体设计 | 第27-28页 |
| 3.2 Netfilter网络报文抽取与会话队列管理 | 第28-32页 |
| 3.2.1 Netfilter机制研究 | 第28-29页 |
| 3.2.2 报文抽取和会话管理 | 第29-32页 |
| 3.3 特征库和特征匹配 | 第32-39页 |
| 3.3.1 特征串的获取 | 第32-37页 |
| 3.3.2 特征库管理 | 第37-39页 |
| 3.4 本章小节 | 第39-40页 |
| 第4章 深度流检测技术 | 第40-56页 |
| 4.1 网络流属性特征研究 | 第40-46页 |
| 4.1.1 网络流特征集 | 第40-42页 |
| 4.1.2 稳定网络流特征集抽取 | 第42-44页 |
| 4.1.3 稳定流属性集实验分析 | 第44-46页 |
| 4.2 基于集成代价敏感的网络流识别算法 | 第46-55页 |
| 4.2.1 基于代价敏感的决策树C4.5算法 | 第47-49页 |
| 4.2.2 集成学习算法——Adaboost | 第49-51页 |
| 4.2.3 Adaboost算法 | 第51-52页 |
| 4.2.4 基于集成代价敏感的网络流识别算法 | 第52-53页 |
| 4.2.5 识别算法实验分析 | 第53-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第5章 基于DFI的精细网络流识别研究与实现 | 第56-68页 |
| 5.1 精细网络流识别研究 | 第56-63页 |
| 5.1.1 网络流样本的获取与预处理 | 第56-58页 |
| 5.1.2 完整网络流识别研究 | 第58-61页 |
| 5.1.3 非完整网络流识别 | 第61-63页 |
| 5.2 DFI模块的设计与实现 | 第63-65页 |
| 5.3 系统功能测试 | 第65-67页 |
| 5.3.1 测试环境搭建 | 第65页 |
| 5.3.2 系统功能测试 | 第65-67页 |
| 5.4 本章小节 | 第67-68页 |
| 总结与展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士期间发表的论文及科研成果 | 第74页 |