基于机器学习的分布式流量检测系统
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·流量检测技术国内外研究发展现状 | 第9-12页 |
| ·综述性研究 | 第9-10页 |
| ·现有流量检测算法改进 | 第10页 |
| ·新型流量检测算法 | 第10-11页 |
| ·针对于某种特殊应用的检测方法 | 第11页 |
| ·在线识别系统的研究 | 第11页 |
| ·实际检测系统的研究 | 第11-12页 |
| ·其他支持类研究 | 第12页 |
| ·论文研究内容及意义 | 第12页 |
| ·论文结构安排 | 第12-14页 |
| 第二章 流量检测技术概述 | 第14-20页 |
| ·流量检测技术 | 第14-15页 |
| ·流量检测指标介绍 | 第15-16页 |
| ·传统流量检测技术 | 第16-18页 |
| ·基于端口的流量检测技术 | 第16-17页 |
| ·基于载荷特征字的流量检测技术 | 第17-18页 |
| ·基于主机行为模式的流量检测技术 | 第18页 |
| ·新兴流量检测技术 | 第18-19页 |
| ·基于机器学习的流量检测技术 | 第18-19页 |
| ·混合流量检测技术 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 机器学习技术概要 | 第20-26页 |
| ·机器学习技术介绍 | 第20-23页 |
| ·机器学习 | 第20页 |
| ·机器学习算法分类及其组成部分 | 第20-22页 |
| ·机器学习技术应用环境 | 第22-23页 |
| ·特征选取算法介绍 | 第23-24页 |
| ·支持向量机SVM算法介绍 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 分布式流量检测系统 | 第26-44页 |
| ·系统整体架构 | 第26-27页 |
| ·系统模块化设计与实现 | 第27-35页 |
| ·分流模块 | 第28-30页 |
| ·流量识别模块 | 第30-32页 |
| ·统计汇总模块 | 第32-34页 |
| ·Web管理界面模块 | 第34-35页 |
| ·控制系统设计 | 第35-42页 |
| ·控制系统整体架构 | 第35-36页 |
| ·通用控制消息结构设计 | 第36页 |
| ·系统启动阶段信号设计 | 第36-41页 |
| ·系统运行阶段控制消息设计 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第五章 系统性能分析与测试 | 第44-54页 |
| ·测试环境说明 | 第44-45页 |
| ·软、硬件环境 | 第44页 |
| ·测试数据 | 第44-45页 |
| ·系统整体功能测试 | 第45-48页 |
| ·测试系统框架 | 第45-46页 |
| ·测试方案 | 第46页 |
| ·测试结果及结果分析 | 第46-48页 |
| ·分流模块测试 | 第48-51页 |
| ·测试系统框架 | 第49页 |
| ·测试方法 | 第49-50页 |
| ·测试结果及结果分析 | 第50-51页 |
| ·基于机器学习的流量识别模块测试 | 第51-53页 |
| ·测试系统框架 | 第51页 |
| ·测试方法 | 第51-52页 |
| ·测试结果及结果分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 结束语 | 第54-56页 |
| ·工作总结 | 第54页 |
| ·未来工作展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 研究成果 | 第62-63页 |
