| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 本文的组织结构 | 第10-13页 |
| 第二章 流量识别技术研究 | 第13-35页 |
| 2.1 流量识别技术的发展状况 | 第13-23页 |
| 2.1.1 基于端口的流量识别技术 | 第14-15页 |
| 2.1.2 基于深度包检测的流量识别技术 | 第15-16页 |
| 2.1.3 基于行为模式的流量识别技术 | 第16-17页 |
| 2.1.4 基于机器学习的流量识别技术 | 第17-23页 |
| 2.2 流量识别算法的比较 | 第23-35页 |
| 2.2.1 流量识别技术优缺点的总体概述 | 第23-24页 |
| 2.2.2 基于有监督的ML的流量识别算法的比较 | 第24-35页 |
| 第三章 基于SVM和Adaboost算法的实时流量识别算法 | 第35-44页 |
| 3.1 SVM在实时流量识别中的弱化问题 | 第35-37页 |
| 3.1.1 流量识别的实时性要求 | 第35页 |
| 3.1.2 SVM在实时性场景下的弱化问题 | 第35-37页 |
| 3.2 SVM在实时流量识别方面的改进 | 第37-44页 |
| 3.2.1 SVM模型的惩罚因子 | 第37-38页 |
| 3.2.2 集成学习和Adaboost | 第38-41页 |
| 3.2.3 基于AdaBoost改进SVM算法 | 第41-42页 |
| 3.2.4 实时流量识别的实验结果分析 | 第42-44页 |
| 第四章 数据平面与控制平面相分离的路由架构的设计 | 第44-62页 |
| 4.1 流量控制相关的QoS技术 | 第45-51页 |
| 4.1.1 Integrated Services体系 | 第45-47页 |
| 4.1.2 Differentiated Services体系 | 第47-48页 |
| 4.1.3 QoS路由 | 第48-49页 |
| 4.1.4 下一代网络架构 | 第49-51页 |
| 4.2 数据平面与控制平面分离的路由架构设计 | 第51-62页 |
| 4.2.1 概述 | 第51页 |
| 4.2.2 数据平面与控制平面分离的网络架构 | 第51-52页 |
| 4.2.3 数据平面与控制平面分离的系统架构 | 第52-54页 |
| 4.2.4 关键模块设计 | 第54-62页 |
| 第五章 流量识别与路由控制系统的实现 | 第62-77页 |
| 5.1 技术架构 | 第62-64页 |
| 5.2 系统实现 | 第64-73页 |
| 5.3 场景测试 | 第73-77页 |
| 第六章 本文的总结与展望 | 第77-78页 |
| 6.1 总结 | 第77页 |
| 6.2 展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-83页 |
| 作者攻读学位期间发表的学术论文目录 | 第83页 |
