| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11页 |
| 1.3 研究的主要内容 | 第11-12页 |
| 1.4 论文结构安排 | 第12-13页 |
| 第二章 网络流量分类的研究 | 第13-18页 |
| 2.1 网络流量分类概述 | 第13-16页 |
| 2.1.1 端口号匹配法 | 第13页 |
| 2.1.2 负载匹配法 | 第13-14页 |
| 2.1.3 主机行为法 | 第14页 |
| 2.1.4 机器学习法 | 第14-16页 |
| 2.2 DBN方法 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第三章 基于DBN的网络流量分类模型的设计 | 第18-31页 |
| 3.1 BP神经网络和DBN的介绍与分析 | 第18-20页 |
| 3.1.1 BP神经网络的分析 | 第18-19页 |
| 3.1.2 DBN的分析 | 第19-20页 |
| 3.2 模型整体设计 | 第20-21页 |
| 3.3 数据集的构造 | 第21-24页 |
| 3.3.1 数据集的选择 | 第21-22页 |
| 3.3.2 私有数据集基准的建立 | 第22-23页 |
| 3.3.3 特征提取 | 第23-24页 |
| 3.4 DBN半监督模型的训练 | 第24-30页 |
| 3.4.1 数据集预处理 | 第25-26页 |
| 3.4.2 DBN隐含节点个数的选择 | 第26-29页 |
| 3.4.2.1 隐含节点个数的选择标准 | 第27-28页 |
| 3.4.2.2 隐含节点个数的选择流程 | 第28-29页 |
| 3.4.3 DBN隐含层个数的选择 | 第29-30页 |
| 3.4.3.1 隐含层个数的选择标准 | 第29-30页 |
| 3.4.3.2 隐含层个数的选择流程 | 第30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于DBN的网络流量分类模型的实现与分析 | 第31-47页 |
| 4.1 实验环境及实验工具 | 第31-35页 |
| 4.1.1 Wireshark捕获数据包 | 第31-32页 |
| 4.1.2 Process monitor建立基准 | 第32-34页 |
| 4.1.3 Matlab建模 | 第34-35页 |
| 4.2 实验数据集 | 第35-36页 |
| 4.2.1 公共数据集 | 第35-36页 |
| 4.2.2 私有数据集 | 第36页 |
| 4.3 隐含节点个数的选择过程及其分析 | 第36-39页 |
| 4.3.1 公共数据集隐含节点个数的选择 | 第36-38页 |
| 4.3.2 私有数据集隐含节点个数的选择 | 第38-39页 |
| 4.4 隐含层个数的选择过程及其分析 | 第39-40页 |
| 4.4.1 公共数据集隐含层个数的选择 | 第39-40页 |
| 4.4.2 私有数据集隐含层个数的选择 | 第40页 |
| 4.5 DBN与BP模型的实验过程及其对比分析 | 第40-46页 |
| 4.5.1 实验评价标准 | 第41页 |
| 4.5.2 公共数据集实验过程及其分析 | 第41-44页 |
| 4.5.3 私有数据集实验过程及其分析 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 下一步工作 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-52页 |