| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·基本概念 | 第8页 |
| ·研究现状 | 第8-10页 |
| ·研究意义 | 第10-11页 |
| ·论文的组织结构 | 第11-13页 |
| 第二章 流量识别技术 | 第13-21页 |
| ·基于端口的识别方法 | 第13页 |
| ·基于载荷特征的识别方法 | 第13-15页 |
| ·基于统计特征的流量识别方法 | 第15-17页 |
| ·流模式匹配技术 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 机器学习算法研究与分析 | 第21-31页 |
| ·机器学习介绍 | 第21-22页 |
| ·主要的聚类方法 | 第22-28页 |
| ·划分聚类方法 | 第22-24页 |
| ·层次聚类方法 | 第24-26页 |
| ·密度聚类方法 | 第26-27页 |
| ·网格聚类方法 | 第27-28页 |
| ·模型聚类方法 | 第28页 |
| ·聚类算法的比较 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 流模式自动生成技术 | 第31-47页 |
| ·流模式自动生成框架设计 | 第31-32页 |
| ·加密流量与非加密流量的区分 | 第32-37页 |
| ·熵的概念 | 第32页 |
| ·伪随机码 | 第32-33页 |
| ·密码算法的随机性检测 | 第33-37页 |
| ·签名的自动生成 | 第37-43页 |
| ·LCS算法介绍 | 第38页 |
| ·LCS算法实现原理 | 第38-43页 |
| ·基于K-means的聚类分析 | 第43-46页 |
| ·K-means算法基本思想 | 第43-45页 |
| ·K值的选取 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 功能测试 | 第47-55页 |
| ·加密流量与非加密流量的区分功能测试 | 第47-50页 |
| ·NIST测试标准 | 第47页 |
| ·NIST测试及分析 | 第47-50页 |
| ·LCS算法实验与分析 | 第50-51页 |
| ·K-means算法实验与分析 | 第51-54页 |
| ·Netmate和Weka机器学习平台 | 第51-52页 |
| ·实验过程及分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 发表论文及科研情况 | 第63-65页 |
| 附录A LCS(Longest Common Substring)算法 | 第65页 |