基于深度学习的SSH隧道下应用的精细化识别研究和实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.3 论文主要工作 | 第15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第二章 深度学习与流量分类 | 第17-29页 |
| 2.1 流量分类概述 | 第17-20页 |
| 2.2 SSH协议 | 第20-22页 |
| 2.2.1 SSH协议简介 | 第20-21页 |
| 2.2.2 SSH隧道技术简介 | 第21-22页 |
| 2.3 深度学习 | 第22-27页 |
| 2.3.1 深度神经网络 | 第22-24页 |
| 2.3.2 卷积神经网络 | 第24-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 基于卷积神经网络的SSH隧道应用分类 | 第29-39页 |
| 3.1 流量数据收集 | 第29-30页 |
| 3.2 数据预处理 | 第30-32页 |
| 3.2.1 负载提取 | 第30页 |
| 3.2.2 负载图像化 | 第30-32页 |
| 3.3 识别模型构建 | 第32-35页 |
| 3.3.1 实验框架 | 第32-33页 |
| 3.3.2 实验模型的网络结构 | 第33-34页 |
| 3.3.3 激活函数 | 第34-35页 |
| 3.4 模型整体设计 | 第35-36页 |
| 3.5 实验结果 | 第36-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 SSH隧道下流量的精细化分类 | 第39-51页 |
| 4.1 流量精细化识别流程设计 | 第39页 |
| 4.2 数据集构建 | 第39-46页 |
| 4.2.1 SSH隧道下应用协议识别数据收集 | 第40-41页 |
| 4.2.2 SFTP数据收集 | 第41-44页 |
| 4.2.3 流量特征选取 | 第44-46页 |
| 4.3 识别模型的构建 | 第46-48页 |
| 4.3.1 SSH隧道应用协议识别模型 | 第46-47页 |
| 4.3.2 SFTP文件类型识别模型 | 第47-48页 |
| 4.4 实验结果 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 网络流量监控系统设计与实现 | 第51-65页 |
| 5.1 系统功能分析 | 第51-54页 |
| 5.1.1 流量数据采集系统功能 | 第51-52页 |
| 5.1.2 模型管理系统功能 | 第52页 |
| 5.1.3 SSH流量分类系统功能 | 第52页 |
| 5.1.4 展示功能 | 第52页 |
| 5.1.5 总体架构 | 第52-54页 |
| 5.2 系统详细设计与实现 | 第54-64页 |
| 5.2.1 系统数据库设计 | 第54-55页 |
| 5.2.2 流量数据采集模块设计与实现 | 第55-57页 |
| 5.2.3 模型构建模块设计 | 第57-58页 |
| 5.2.4 SSH流量应用识别模块设计和实现 | 第58-59页 |
| 5.2.5 SSH流量文件类型识别模块设计和实现 | 第59-61页 |
| 5.2.6 系统其他功能介绍 | 第61-64页 |
| 5.3 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 攻读学位期间发表的学术论文 | 第73页 |
