| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-21页 |
| ·课题背景和意义 | 第9-10页 |
| ·P2P 概述 | 第10-15页 |
| ·问题的提出 | 第15-16页 |
| ·国内外研究现状 | 第16-19页 |
| ·本文的研究工作 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第2章 P2P 流量识别技术分析 | 第21-26页 |
| ·基于端口的识别方法 | 第21-22页 |
| ·基于流量特征的识别方法 | 第22页 |
| ·基于深层数据包识别方法 | 第22-24页 |
| ·基于机器学习的识别方法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于SVM 的P2P 流量识别模型 | 第26-40页 |
| ·支持向量机技术 | 第26-32页 |
| ·支持向量机分类超平面线性可分情况 | 第26-28页 |
| ·支持向量机分类超平面线性不可分情况 | 第28-30页 |
| ·特征空间和常见的三种核函数 | 第30-31页 |
| ·基于支持向量机识别技术的优点 | 第31-32页 |
| ·基于支持向量机的P2P 流量识别模型 | 第32-33页 |
| ·特征向量的选取 | 第33-39页 |
| ·数据包层面特征分析 | 第34-36页 |
| ·网络流层面特征分析 | 第36-37页 |
| ·连接层面特征分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于小波SVM 的P2P 流量识别模型 | 第40-53页 |
| ·引言 | 第40页 |
| ·小波分析理论基础 | 第40-45页 |
| ·多尺度分析 | 第41-42页 |
| ·小波函数和尺度函数的频率特性 | 第42-43页 |
| ·连续小波变换 | 第43-44页 |
| ·常见的小波函数 | 第44-45页 |
| ·小波支持向量机识别模型 | 第45-48页 |
| ·构造支持向量机核函数的条件 | 第45-46页 |
| ·构造Mexican hat 小波支持向量机核函数 | 第46-47页 |
| ·小波支持向量机识别步骤 | 第47-48页 |
| ·小波支持向量机训练算法 | 第48-52页 |
| ·支持向量机增量训练算法 | 第49-50页 |
| ·小波支持向量机P2P 流量识别的Boosting 算法 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 实验及数据分析 | 第53-58页 |
| ·实验目的和标准 | 第53页 |
| ·实验环境和实验步骤 | 第53-54页 |
| ·实验数据 | 第54-56页 |
| ·实验结果分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间完成的论文及参加的科研项目 | 第64页 |