基于统计学习理论的网络异常流量分析方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·课题研究背景、目的及研究意义 | 第8-9页 |
| ·国内外关于网络流量分析技术的现状和发展 | 第9-12页 |
| ·国内外技术现状 | 第9-11页 |
| ·网络流量分析技术的发展趋势 | 第11-12页 |
| ·本文要解决的问题以及主要工作 | 第12-13页 |
| ·本文的结构安排 | 第13-14页 |
| 2 网络流量异常分析与流量采集技术概述 | 第14-26页 |
| ·网络异常流量分析 | 第14-17页 |
| ·网络异常概述 | 第14页 |
| ·网络异常流量的分类 | 第14-16页 |
| ·异常流量的分析方法 | 第16-17页 |
| ·网络流量采集技术 | 第17-25页 |
| ·主要的网络流量采集技术 | 第17-20页 |
| ·网络嗅探器Sniffer与流量采集 | 第20-23页 |
| ·Capture Expert与流量采集 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 3 统计学习理论与支持向量机 | 第26-38页 |
| ·引言 | 第26页 |
| ·统计学习理论 | 第26-32页 |
| ·机器学习问题的数学模型 | 第26-27页 |
| ·经验风险最小化和推广能力 | 第27-28页 |
| ·学习过程一致性条件和VC维 | 第28-30页 |
| ·推广性的界 | 第30页 |
| ·结构风险最小化原则 | 第30-32页 |
| ·支持向量机理论 | 第32-37页 |
| ·最优分类面与线性可分 | 第32-34页 |
| ·线性不可分与核函数 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 4 网络流量的特征提取与P2P检测 | 第38-53页 |
| ·引言 | 第38页 |
| ·特征选择与提取概述 | 第38-43页 |
| ·类别可分离性判据 | 第38-41页 |
| ·特征提取方法 | 第41-43页 |
| ·网络流量的特征提取 | 第43-47页 |
| ·网络体系架构与网络流量特点 | 第43-44页 |
| ·流量数据特征提取方法 | 第44-45页 |
| ·熵的应用 | 第45-47页 |
| ·P2P的流量检测技术概述 | 第47-52页 |
| ·P2P网络的结构 | 第48-50页 |
| ·P2P流量特点 | 第50-51页 |
| ·P2P流量检测技术 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 5 基于SVM的网络流量识别与分类 | 第53-68页 |
| ·问题的描述及基本思想 | 第53-54页 |
| ·常规流量与P2P流量的分类实验 | 第54-63页 |
| ·实验环境 | 第54-55页 |
| ·实验过程 | 第55-62页 |
| ·实验数据分析 | 第62页 |
| ·实验效果比较 | 第62-63页 |
| ·网络异常流量分析系统实现 | 第63-66页 |
| ·设计思路及需要解决的问题 | 第63页 |
| ·总体结构与可视化模块设计 | 第63-66页 |
| ·系统测试 | 第66页 |
| ·本章小结 | 第66-68页 |
| 6 结论与展望 | 第68-70页 |
| 7 参考文献 | 第70-76页 |
| 8 论文发表与参与科研情况 | 第76-77页 |
| 9 致谢 | 第77页 |
