| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 引言 | 第10-13页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·课题研究内容及创新点 | 第11页 |
| ·论文章节安排 | 第11-13页 |
| 第二章 P2P流量识别技术 | 第13-23页 |
| ·P2P简介 | 第13-15页 |
| ·P2P业务定义及发展过程 | 第15-16页 |
| ·P2P带来的信息安全问题 | 第16-17页 |
| ·P2P流量识别技术研究现状 | 第17-23页 |
| ·端口法 | 第17-18页 |
| ·净荷检测法 | 第18-22页 |
| ·基于流量行为特征法 | 第22-23页 |
| 第三章 基于流量行为特征的流量识别算法(PTP)的研究与实现 | 第23-30页 |
| ·概述PTP算法 | 第23-25页 |
| ·启发机制 | 第23-24页 |
| ·过滤机制 | 第24-25页 |
| ·基于流量行为特征的P2P流量识别系统 | 第25-27页 |
| ·PTP算法流程 | 第27-30页 |
| 第四章 适用于流量识别的数据挖掘算法的选择 | 第30-39页 |
| ·数据挖掘简介 | 第30-31页 |
| ·数据挖掘在流量识别中的实现 | 第31-33页 |
| ·数据源 | 第31-32页 |
| ·数据预处理 | 第32-33页 |
| ·数据挖掘算法的选择 | 第33-39页 |
| ·分类算法 | 第33-35页 |
| ·聚类算法 | 第35-37页 |
| ·算法性能分析比较 | 第37-39页 |
| 第五章 流量识别中的属性选择 | 第39-46页 |
| ·属性选择算法 | 第39-40页 |
| ·实时属性的选择 | 第40-41页 |
| ·实验设计 | 第41-43页 |
| ·WEKA简介 | 第41页 |
| ·数据源与数据挖据算法 | 第41-42页 |
| ·属性选择算法 | 第42-43页 |
| ·实验结果分析 | 第43-46页 |
| ·不同的属性子集对各数据挖掘算法的影响 | 第43-44页 |
| ·基于决策树的算法的建模时间分析 | 第44页 |
| ·数据源中P2P所占比例不同时对P2P分类结果的影响 | 第44-46页 |
| 第六章 VFDT算法与其分类结果分析 | 第46-58页 |
| ·数据流挖掘 | 第46-47页 |
| ·VFDT算法 | 第47-48页 |
| ·实验设计 | 第48-50页 |
| ·数据源 | 第48-49页 |
| ·评估标准 | 第49-50页 |
| ·VFDT算法分类各种网络应用 | 第50-55页 |
| ·数据预处理 | 第50页 |
| ·VFDT分类结果 | 第50-53页 |
| ·阀值不同时VFDT分类结果 | 第53-55页 |
| ·VFDT算法分类P2P流量 | 第55-57页 |
| ·构造训练数据 | 第55-56页 |
| ·P2P比例固定时VFDT分类结果 | 第56页 |
| ·数据集大小固定时VFDT分类结果 | 第56-57页 |
| ·实验结论 | 第57-58页 |
| 第七章 总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望及前景 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文目录 | 第64页 |