| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 引言 | 第8-17页 |
| ·研究背景 | 第8-13页 |
| ·互联网的发展现状 | 第8-9页 |
| ·基于网络深度包分析的分类 | 第9-11页 |
| ·云计算技术的现状 | 第11-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本文研究的重点 | 第14-15页 |
| ·本文的组织结构 | 第15-17页 |
| 第二章 基于模式匹配的网络深度包分析技术 | 第17-32页 |
| ·网络深度包分析技术综述 | 第17-19页 |
| ·网络深度包分析中的模式匹配算法 | 第19-29页 |
| ·KMP(Knuth-Morris-Pratt)算法 | 第19-20页 |
| ·BM(Boyer-Moore)算法 | 第20-22页 |
| ·AC(Aho-Corasick)算法 | 第22-25页 |
| ·WM(Wu-Manber)算法 | 第25-29页 |
| ·各种算法在云环境下的适用性 | 第29-32页 |
| ·高效性比较 | 第29-30页 |
| ·并行性比较 | 第30-31页 |
| ·扩展性比较 | 第31-32页 |
| 第三章 云环境下的深度包分析 | 第32-46页 |
| ·云环境中的技术 | 第32-34页 |
| ·分布式文件系统(DFS) | 第32-33页 |
| ·Map-Reduce编程模型 | 第33-34页 |
| ·Big Table(海量结构化数据存储) | 第34页 |
| ·DFS在深度包分析中的应用 | 第34-38页 |
| ·DFS中文件的读写机制 | 第34-37页 |
| ·深度包分析中数据包的存储 | 第37-38页 |
| ·MAP-REDUCE在深度包分析中的应用 | 第38-44页 |
| ·Map-Reduce工作机制 | 第38-40页 |
| ·深度包分析中的并发模式匹配 | 第40-44页 |
| ·BIG TABLE在深度包分析中的应用 | 第44-46页 |
| ·Big Table工作机制 | 第44-45页 |
| ·深度包分析结果的存储 | 第45-46页 |
| 第四章 系统的设计与实现 | 第46-59页 |
| ·数据包的采集 | 第46-47页 |
| ·云环境下的技术细节 | 第47-55页 |
| ·云环境的搭建 | 第47-49页 |
| ·云环境下深度包分析的实现 | 第49-55页 |
| ·项目概况 | 第55-59页 |
| ·项目介绍 | 第55-56页 |
| ·项目结果展示 | 第56-59页 |
| 第五章 总结 | 第59-61页 |
| ·论文工作总结 | 第59-60页 |
| ·进一步的研究工作 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |