| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-15页 |
| ·论文的研究对象和内容 | 第11页 |
| ·论文的研究背景和意义 | 第11-12页 |
| ·论文的主要工作及创新点 | 第12-14页 |
| ·基于ECOC-NNE 的流量分类方法 | 第12-13页 |
| ·分层实时流量分类 | 第13页 |
| ·基于FPGA 的网络流量分类系统 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 第二章 流量分类技术的现状分析和研究进展 | 第15-21页 |
| ·传统流量分类方法 | 第15-17页 |
| ·端口分类法 | 第15页 |
| ·基于内容的分类法 | 第15-17页 |
| ·分类技术发展现状研究进展 | 第17-21页 |
| ·主机群体行为特征的分层发现分类 | 第17页 |
| ·单个数据流特征的智能分类算法 | 第17-19页 |
| ·实时网络流量分类 | 第19-21页 |
| 第三章 基于ECOC-NNE 算法的流量分类 | 第21-41页 |
| ·引论 | 第21-26页 |
| ·分类技术和优化算法简介 | 第21页 |
| ·人工神经网络 | 第21-22页 |
| ·粒子群优化算法 | 第22-23页 |
| ·ECOC 纠错输出码技术 | 第23-26页 |
| ·ECOC-NNE 算法描述 | 第26-29页 |
| ·ECOC-NNE 思想 | 第26页 |
| ·ECOC-NNE 算法 | 第26-27页 |
| ·ECOC-NNE 举例 | 第27-29页 |
| ·基于ECOC-NNE 网络流量分类的实验 | 第29-41页 |
| ·ECOC 编码矩阵 | 第29-30页 |
| ·数据集 | 第30-37页 |
| ·采集环境 | 第31-33页 |
| ·数据流解析 | 第33-36页 |
| ·获取各类型数据流 | 第36-37页 |
| ·特征提取 | 第37页 |
| ·评价标准 | 第37-38页 |
| ·实验结果 | 第38-41页 |
| ·与其他算法比较 | 第38-39页 |
| ·二分类器的影响 | 第39-40页 |
| ·ECOC 码字长度对ECOC-NNE 整体精度的影响 | 第40-41页 |
| 第四章 分层实时网络流量分类算法 | 第41-56页 |
| ·三元组的重要作用 | 第41-43页 |
| ·实时特征提取 | 第43-44页 |
| ·分类模型 | 第44-48页 |
| ·数据集 | 第48-49页 |
| ·分阶段部分设计 | 第49页 |
| ·评价标准 | 第49-51页 |
| ·实验结果 | 第51-56页 |
| ·分阶段中各分类器实验结果 | 第51-52页 |
| ·分阶段分类结果 | 第52-53页 |
| ·分层实时流量分类精度结果 | 第53-54页 |
| ·分层实时流量分类实时性结果 | 第54-56页 |
| 第五章 基于FPGA 的网络流量分类 | 第56-66页 |
| ·引论 | 第56-57页 |
| ·FPGA 现场可编程门阵列 | 第56页 |
| ·Verilog HDL 语言 | 第56-57页 |
| ·基于FPGA 的神经网络 | 第57-58页 |
| ·FPGA 实现以太网控制器 | 第58-61页 |
| ·基于 FPGA 的网络流量分类系统 | 第61-66页 |
| ·提取数据包基本信息 | 第61-62页 |
| ·数据流的建立 | 第62-63页 |
| ·提取数据流特征 | 第63-64页 |
| ·实验 | 第64-66页 |
| 第六章 总结和展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 攻读学位其间发表论文目录 | 第76-78页 |
| 攻读学位期间参加科研项目 | 第78页 |