| 摘要 | 第1-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第12-22页 |
| ·P2P 技术简介 | 第12-18页 |
| ·P2P 的定义 | 第12-13页 |
| ·P2P 的体系结构分类及相关应用产品 | 第13-16页 |
| ·P2P 的主要应用 | 第16-18页 |
| ·P2P 技术面临的问题 | 第18-20页 |
| ·本文的主要工作 | 第20-21页 |
| ·本文的组织结构 | 第21-22页 |
| 第二章 相关技术研究 | 第22-38页 |
| ·P2P 流量检测技术 | 第22-27页 |
| ·传统P2P 流量检测技术 | 第22-25页 |
| ·基于机器学习的P2P 流量检测技术 | 第25-27页 |
| ·支持向量机技术简介 | 第27-34页 |
| ·支持向量机技术概述 | 第27-28页 |
| ·支持向量机技术的理论分析 | 第28-32页 |
| ·支持向量机技术的应用 | 第32-34页 |
| ·信息熵概述 | 第34-37页 |
| ·信息熵的定义 | 第34-36页 |
| ·信息熵的应用 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 基于熵优化的支持向量机(ESVM) | 第38-54页 |
| ·优化训练支持向量机的方法 | 第38-42页 |
| ·分解法 | 第38-39页 |
| ·修改优化问题法 | 第39-40页 |
| ·增量学习法 | 第40-41页 |
| ·几何法 | 第41-42页 |
| ·熵与支持向量的关系 | 第42-44页 |
| ·基于熵优化的支持向量机(ESVM) | 第44-47页 |
| ·模型建立 | 第44-46页 |
| ·熵优化模型的时间复杂度分析 | 第46-47页 |
| ·熵优化模型的空间复杂度分析 | 第47页 |
| ·实验结果分析 | 第47-52页 |
| ·本章小结 | 第52-54页 |
| 第四章 基于ESVM 的P2P 流量实时检测原型系统框架模型 | 第54-61页 |
| ·基于ESVM 的P2P 流量实时检测系统总体设计结构 | 第54-56页 |
| ·基于ESVM 的P2P 流量实时检测系统各功能模块的设计 | 第56-58页 |
| ·流量特征提取模块 | 第56-57页 |
| ·支持向量机训练模块 | 第57-58页 |
| ·数据库模块 | 第58页 |
| ·系统整体工作流程 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 面向校园网的P2P 流量实时检测系统的实现与测试 | 第61-76页 |
| ·校园网网络结构及判别特征的选取 | 第61-67页 |
| ·校园网网络结构 | 第61-63页 |
| ·校园网P2P 流量的特征的选取 | 第63-67页 |
| ·系统所用到的开源工具及主要数据结构 | 第67-72页 |
| ·WinPcap 简介 | 第67-68页 |
| ·LIBSVM 简介 | 第68-69页 |
| ·流量特征提取模块的实现 | 第69-71页 |
| ·支持向量机训练模块的实现 | 第71-72页 |
| ·系统测试 | 第72-74页 |
| ·测试内容及环境 | 第72页 |
| ·测试结果分析 | 第72-74页 |
| ·本章小结 | 第74-76页 |
| 第六章 结束语 | 第76-78页 |
| ·本文工作及创新点 | 第76-77页 |
| ·未来工作展望 | 第77-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 作者在学期间取得的学术成果 | 第84页 |
