移动互联网应用审计系统优化设计与实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 2 相关技术介绍 | 第17-32页 |
| 2.1 数据包捕获技术 | 第17-18页 |
| 2.1.1 Libpcap技术 | 第17-18页 |
| 2.1.2 Tcpdump技术 | 第18页 |
| 2.2 业务识别技术 | 第18-19页 |
| 2.3 深度包检测技术 | 第19-20页 |
| 2.3.1 DPI技术介绍 | 第19-20页 |
| 2.3.2 DPI技术特点 | 第20页 |
| 2.4 模式匹配技术 | 第20-29页 |
| 2.4.1 多模式匹配 | 第24页 |
| 2.4.2 Aho-Corasick算法 | 第24-26页 |
| 2.4.3 Wu-Manber算法 | 第26-29页 |
| 2.5 最长公共子序列问题 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 3 审计系统优化设计方案 | 第32-55页 |
| 3.1 移动互联网应用审计平台 | 第32-37页 |
| 3.1.1 系统设计框架与结构 | 第32-36页 |
| 3.1.2 系统缺陷 | 第36-37页 |
| 3.2 Wu-Manber算法改进 | 第37-44页 |
| 3.2.1 引入应用业务结构 | 第38-39页 |
| 3.2.2 模式链表和应用业务结构体 | 第39-40页 |
| 3.2.3 SHIFT表和HASH表的优化 | 第40-42页 |
| 3.2.4 算法流程 | 第42-44页 |
| 3.3 应用识别模块优化 | 第44-50页 |
| 3.3.1 协议分析模块简介 | 第45-46页 |
| 3.3.2 数据包预处理 | 第46-47页 |
| 3.3.3 规则解析 | 第47-48页 |
| 3.3.4 特征识别 | 第48-50页 |
| 3.4 数据捕获模块优化 | 第50-53页 |
| 3.4.1 数据包捕获 | 第50-51页 |
| 3.4.2 自动化特征提取 | 第51-53页 |
| 3.5 系统优化结构 | 第53-54页 |
| 3.6 本章小结 | 第54-55页 |
| 4 实验及测试结果 | 第55-67页 |
| 4.1 实验环境 | 第55-56页 |
| 4.2 特征库提取 | 第56-62页 |
| 4.2.1 特征采集方案 | 第56-59页 |
| 4.2.2 实验结果 | 第59-62页 |
| 4.3 应用业务识别 | 第62-66页 |
| 4.3.1 应用识别方案 | 第62-65页 |
| 4.3.2 实验结果 | 第65-66页 |
| 4.4 本章小结 | 第66-67页 |
| 5 结论 | 第67-69页 |
| 5.1 总结 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第72-74页 |
| 学位论文数据集 | 第74页 |
