基于SSL协议的数据流的识别与分类技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 本文的研究背景 | 第9-10页 |
| 1.1.2 本文的研究意义 | 第10-11页 |
| 1.2 SSL数据流识别与分类研究现状 | 第11页 |
| 1.3 本文主要工作与创新点 | 第11-12页 |
| 1.4 论文章节安排 | 第12-14页 |
| 第二章 数据流识别与分类技术综述 | 第14-26页 |
| 2.1 网络数据流的基本概念 | 第14-15页 |
| 2.2 数据流分类评价标准 | 第15-16页 |
| 2.3 数据流分类算法介绍 | 第16-24页 |
| 2.3.1 基于端口的数据流分类方法 | 第16-18页 |
| 2.3.2 基于负载的数据流分类方法 | 第18-21页 |
| 2.3.3 基于主机行为的数据流分类方法 | 第21页 |
| 2.3.4 基于机器学习的数据流分类方法 | 第21-24页 |
| 2.4 四种数据流分类方法的比较 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 SSL数据流识别技术研究 | 第26-37页 |
| 3.1 SSL协议概述 | 第26-27页 |
| 3.2 SSL协议网络交互行为分析 | 第27-30页 |
| 3.3 SSL数据流识别技术研究 | 第30-36页 |
| 3.3.1 SSL认证过程行为分析 | 第31-33页 |
| 3.3.2 SSL认证过程行为建模 | 第33-35页 |
| 3.3.3 基于状态机的SSL数据流识别算法研究 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 SSL数据流分类技术研究 | 第37-50页 |
| 4.1 常用机器学习分类算法比较 | 第37-40页 |
| 4.1.1 决策树算法分析 | 第37-38页 |
| 4.1.2 K-近邻分类算法分析 | 第38页 |
| 4.1.3 朴素贝叶斯算法分析 | 第38-39页 |
| 4.1.4 支持向量机分析 | 第39-40页 |
| 4.2 训练数据的采集 | 第40-42页 |
| 4.3 训练数据的处理 | 第42页 |
| 4.4 SSL数据流特征的选择 | 第42-49页 |
| 4.5 本文小结 | 第49-50页 |
| 第五章 SSL数据流识别与分类系统的设计与实现 | 第50-57页 |
| 5.1 SSL-IC系统的设计 | 第50-53页 |
| 5.1.1 数据流重组模块 | 第51-52页 |
| 5.1.2 SSL数据流识别模块 | 第52页 |
| 5.1.3 SSL数据流分类模块 | 第52-53页 |
| 5.2 SSL-IC系统的测试 | 第53-54页 |
| 5.3 SSL-IC系统性能的优化 | 第54-56页 |
| 5.3.1 SSL-IC系统分类准确率的提高 | 第54页 |
| 5.3.2 SSL-IC系统对高速网络流量的支持 | 第54-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 全文工作总结 | 第57页 |
| 6.2 进一步工作展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的学术论文目录 | 第63页 |
