针对网络数据流的实时分类算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题来源 | 第9页 |
| 1.2 研究背景和意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-14页 |
| 1.3.1 国外研究现状 | 第10-12页 |
| 1.3.2 国内研究现状 | 第12-13页 |
| 1.3.3 国内外研究现状简析 | 第13-14页 |
| 1.4 本文研究内容及组织结构 | 第14-15页 |
| 第2章 网络数据流分类相关技术 | 第15-27页 |
| 2.1 网络数据流分类技术背景 | 第15-18页 |
| 2.1.1 流分类的形式化定义 | 第15-16页 |
| 2.1.2 分类算法的评价标准 | 第16-18页 |
| 2.1.3 分类算法实时性的定义 | 第18页 |
| 2.2 网络数据流传统分类算法 | 第18-26页 |
| 2.2.1 基于端口号的流分类算法 | 第18-20页 |
| 2.2.2 基于负载特征的流分类算法 | 第20-22页 |
| 2.2.3 基于统计特征的流分类算法 | 第22-25页 |
| 2.2.4 传统流分类算法的比较 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 点对点媒体通道数据流分类算法研究 | 第27-47页 |
| 3.1 P2P 媒体通道通信原理分析 | 第27-33页 |
| 3.1.1 聊天信道 | 第28-29页 |
| 3.1.2 语音信道 | 第29-31页 |
| 3.1.3 视频信道 | 第31-32页 |
| 3.1.4 传输信道 | 第32-33页 |
| 3.2 分类模型架构设计 | 第33-34页 |
| 3.3 数据获取与特征映射 | 第34-40页 |
| 3.3.1 数据获取方式 | 第34-35页 |
| 3.3.2 特征选择方法 | 第35-38页 |
| 3.3.3 特征抽取与计算方法 | 第38-40页 |
| 3.4 基于 SVM 的分类算法设计 | 第40-44页 |
| 3.4.1 支持向量机算法原理 | 第40-41页 |
| 3.4.2 模型学习与训练 | 第41-43页 |
| 3.4.3 数据流分类算法 | 第43-44页 |
| 3.5 算法测试与分析 | 第44-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 网络加密服务数据流分类算法研究 | 第47-63页 |
| 4.1 网络加密服务原理分析 | 第47-49页 |
| 4.2 分类模型架构设计 | 第49-50页 |
| 4.3 数据获取与特征映射 | 第50-55页 |
| 4.3.1 数据获取方式 | 第50-51页 |
| 4.3.2 特征选择方法 | 第51-53页 |
| 4.3.3 特征归纳算法 | 第53-54页 |
| 4.3.4 样本预处理方法 | 第54-55页 |
| 4.4 基于决策树的分类算法设计 | 第55-60页 |
| 4.4.1 决策树构建算法 | 第56-58页 |
| 4.4.2 决策树剪枝方法 | 第58-59页 |
| 4.4.3 数据流分类算法 | 第59-60页 |
| 4.5 算法测试与分析 | 第60-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第5章 原型系统设计与测试分析 | 第63-76页 |
| 5.1 RENT 分类系统结构整体设计 | 第63-65页 |
| 5.2 NTM 平台设计 | 第65-66页 |
| 5.3 网络加密数据流识别模块设计 | 第66-70页 |
| 5.3.1 端口号识别模块 | 第66-67页 |
| 5.3.2 IP 地址过滤模块 | 第67-68页 |
| 5.3.3 证书链匹配模块 | 第68-70页 |
| 5.4 网络加密数据流分类模块设计 | 第70-73页 |
| 5.4.1 训练学习模块 | 第70-71页 |
| 5.4.2 决策分类模块 | 第71-73页 |
| 5.5 RENT 分类系统实际环境测试及分析 | 第73-75页 |
| 5.6 本章小结 | 第75-76页 |
| 结论 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第81-83页 |
| 致谢 | 第83页 |
