P2P流量识别技术的研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-29页 |
| ·研究背景 | 第12-13页 |
| ·P2P 概述 | 第13-25页 |
| ·P2P 的定义和特点 | 第13-16页 |
| ·P2P 的工作原理 | 第16-20页 |
| ·P2P 的主要应用 | 第20-25页 |
| ·P2P 给网络管理带来的问题分析 | 第25-27页 |
| ·P2P 现状：P2P 流量充满了网络 | 第25-27页 |
| ·问题的提出 | 第27页 |
| ·研究目标与研究内容 | 第27-28页 |
| ·论文组织结构 | 第28-29页 |
| 第2章 P2P 流量识别方法综述 | 第29-43页 |
| ·引言 | 第29-30页 |
| ·基于人工经验的P2P 流量识别方法 | 第30-37页 |
| ·基于流量特征的P2P 流量识别方法 | 第30-34页 |
| ·基于应用层数据的P2P 流量识别方法 | 第34-37页 |
| ·基于机器学习的P2P 流量识别方法 | 第37-41页 |
| ·支持向量机 | 第38-39页 |
| ·决策树 | 第39-40页 |
| ·神经网络 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第3章 基于传输层双重特征的P2P 流量识别方法 | 第43-51页 |
| ·引言 | 第43页 |
| ·P2P 流量特征 | 第43-45页 |
| ·双重角色性 | 第43-44页 |
| ·平均包到达时间间隔比的集中性 | 第44-45页 |
| ·基于传输层双重特征的P2P 流量识别算法 | 第45-48页 |
| ·节点角色分析模块 | 第45-47页 |
| ·平均包到达时间间隔比分析模块 | 第47-48页 |
| ·实验结果与分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 基于决策树模型的P2P 流量分类方法 | 第51-61页 |
| ·引言 | 第51页 |
| ·P2P 流量特征 | 第51-52页 |
| ·决策树分类模型 | 第52-55页 |
| ·信息增益率 | 第53-54页 |
| ·决策树模型的构建过程 | 第54-55页 |
| ·基于决策树模型的P2P 流量分类方法 | 第55-58页 |
| ·基本思想 | 第55-56页 |
| ·分类器训练学习阶段 | 第56-57页 |
| ·分类器测试阶段 | 第57页 |
| ·分类器分类阶段 | 第57-58页 |
| ·实验结果与分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 P2P 流量识别系统的设计研究 | 第61-75页 |
| ·引言 | 第61页 |
| ·P2P 流量识别系统的部署 | 第61-62页 |
| ·在网络接入层面部署流量识别系统 | 第62页 |
| ·在城域网络的出口部署流量识别系统 | 第62页 |
| ·在区域网络的出口部署流量识别系统 | 第62页 |
| ·P2P 流量识别系统的实现方式 | 第62-64页 |
| ·串接与并接方式 | 第63页 |
| ·硬件与软件方式 | 第63-64页 |
| ·单机与多机方式 | 第64页 |
| ·P2P 流量识别系统的设计与实现 | 第64-73页 |
| ·系统框架 | 第64-65页 |
| ·流量采集模块 | 第65-69页 |
| ·流量识别模块 | 第69-72页 |
| ·流量控制 | 第72-73页 |
| ·本章小结 | 第73-75页 |
| 第6章 总结与下一步工作 | 第75-77页 |
| ·总结 | 第75-76页 |
| ·下一步工作 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士学位期间发表论文 | 第84页 |
