| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第15-31页 |
| 1.1 研究背景与意义 | 第15-19页 |
| 1.1.1 研究背景 | 第15-18页 |
| 1.1.2 研究意义 | 第18-19页 |
| 1.2 网络流量识别技术研究现状 | 第19-27页 |
| 1.2.1 流量识别技术分类 | 第19-20页 |
| 1.2.2 基于端口映射的流量识别方法 | 第20-21页 |
| 1.2.3 基于深度报文检测的的流量识别方法 | 第21页 |
| 1.2.4 基于流统计特征的机器学习方法 | 第21-24页 |
| 1.2.5 基于行为特征的识别方法 | 第24-25页 |
| 1.2.6 基于多分类器融合的流量识别方法 | 第25页 |
| 1.2.7 流量识别技术比较 | 第25-27页 |
| 1.3 论文的主要研究思路和章节安排 | 第27-31页 |
| 1.3.1 论文的研究思路 | 第27-29页 |
| 1.3.2 论文主要结构安排 | 第29-31页 |
| 第二章 基于同源组合布鲁姆过滤器的早期流量抽样算法 | 第31-47页 |
| 2.1 引言 | 第31-32页 |
| 2.2 相关研究 | 第32-33页 |
| 2.3 基于SSCBF的早期流量抽样算法 | 第33-38页 |
| 2.3.1 NCBF实现早期流量抽样原理 | 第34页 |
| 2.3.2 抽样结束比率分析 | 第34-36页 |
| 2.3.3 基于SSCBF的早期流量抽样算法 | 第36-38页 |
| 2.4 空间复杂度分析 | 第38-39页 |
| 2.4.1 NCBF的空间复杂度 | 第38-39页 |
| 2.4.2 SSCBF的空间复杂度 | 第39页 |
| 2.5 算法误判概率分析与验证 | 第39-45页 |
| 2.5.1 NCBF误判率分析 | 第40页 |
| 2.5.2 SSCBF误判率分析 | 第40-43页 |
| 2.5.3 算法误判概率实验 | 第43-45页 |
| 2.6 时间复杂度分析 | 第45页 |
| 2.7 小结 | 第45-47页 |
| 第三章 基于自适应超时计数布鲁姆过滤器的流量测量算法 | 第47-63页 |
| 3.1 引言 | 第47-48页 |
| 3.2 相关研究 | 第48-50页 |
| 3.3 自适应超时的CTBF大流检测算法 | 第50-57页 |
| 3.3.1 CTBF大流检测结构 | 第50-51页 |
| 3.3.2 CTBF大流检测结构误差分析 | 第51-56页 |
| 3.3.2.1 超时时间与布鲁姆过滤器误判的关系 | 第52-54页 |
| 3.3.2.2 超时时间与大流截断概率的关系 | 第54-55页 |
| 3.3.2.3 整体错误率分析 | 第55-56页 |
| 3.3.3 自适应超时机制 | 第56-57页 |
| 3.4 算法验证 | 第57-60页 |
| 3.4.1 流到达模型与超时时间T的实验 | 第57-58页 |
| 3.4.2 固定超时与自适应超时大流检测算法比较 | 第58-59页 |
| 3.4.3 自适应超时大流检测算法与LRU类算法比较 | 第59页 |
| 3.4.4 算法处理速度仿真 | 第59-60页 |
| 3.5 小结 | 第60-63页 |
| 第四章 带分类约束的流量识别算法 | 第63-79页 |
| 4.1 引言 | 第63页 |
| 4.2 在线流量识别评价指标 | 第63-65页 |
| 4.3 相关研究 | 第65-67页 |
| 4.4 带优先级分类约束的决策树 | 第67-72页 |
| 4.4.1 带分类约束的流量识别描述 | 第67-68页 |
| 4.4.2 基于信息熵的决策树构建 | 第68-71页 |
| 4.4.3 决策树的加权悲观错误剪枝方法 | 第71-72页 |
| 4.5 实验和验证 | 第72-76页 |
| 4.5.1 流量数据与工具软件 | 第73页 |
| 4.5.2 统计特征选择 | 第73页 |
| 4.5.3 评价指标 | 第73-74页 |
| 4.5.4 实验结果与分析 | 第74-76页 |
| 4.6 小结 | 第76-79页 |
| 第五章 基于流集的在线流量识别方法 | 第79-97页 |
| 5.1 引言 | 第79-80页 |
| 5.2 相关工作 | 第80-81页 |
| 5.3 FSC算法描述 | 第81-87页 |
| 5.3.1 算法理论模型 | 第81-84页 |
| 5.3.2 算法框架 | 第84-87页 |
| 5.4 算法性能分析 | 第87-90页 |
| 5.4.1 理论分析 | 第87-88页 |
| 5.4.2 结合真实流量的分析 | 第88-90页 |
| 5.5 实验与验证 | 第90-94页 |
| 5.5.1 实验方法 | 第90页 |
| 5.5.2 综合性能实验 | 第90-92页 |
| 5.5.3 不同类别流量的分类性能 | 第92-93页 |
| 5.5.4 与其他算法的性能比较 | 第93-94页 |
| 5.6 小结 | 第94-97页 |
| 第六章 结束语 | 第97-101页 |
| 6.1 创新性研究成果 | 第97-98页 |
| 6.2 后续工作展望 | 第98-101页 |
| 致谢 | 第101-103页 |
| 参考文献 | 第103-111页 |
| 作者简历攻读博士学位期间完成的主要工作 | 第111-112页 |
