| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·网络流量分类的研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·P2P 网络介绍 | 第9-10页 |
| ·国内外的一些 P2P 流量识别方法 | 第10-12页 |
| ·本文工作 | 第12页 |
| ·论文结构 | 第12-14页 |
| 第二章 P2P 网络流量分类方法 | 第14-24页 |
| ·关于机器学习的 P2P 流量分类方法 | 第14-18页 |
| ·贝叶斯网络算法 | 第15-16页 |
| ·K-means 聚类算法 | 第16-17页 |
| ·自训练分类算法 | 第17-18页 |
| ·常见 P2P 流量分类策略 | 第18-22页 |
| ·基于端口的 P2P 流量分类策略 | 第18-19页 |
| ·基于深层数据包检测的 P2P 流量分类策略 | 第19-20页 |
| ·基于会话的 P2P 流量分类策略 | 第20页 |
| ·基于流量行为的 P2P 流量分类策略 | 第20-22页 |
| ·基于网络流量特征的 P2P 流量分类策略 | 第22页 |
| ·小结 | 第22-24页 |
| 第三章 基于网络流特征的 P2P 网络流量分类方法 | 第24-44页 |
| ·P2P 网络流特征检测流程 | 第24-27页 |
| ·P2P 网络流特征分析 | 第27-42页 |
| ·捕获网络流量 | 第28-30页 |
| ·网络流特征选取 | 第30-32页 |
| ·常见 P2P 网络流特征分析 | 第32-42页 |
| ·小结 | 第42-44页 |
| 第四章 基于支持向量机的 P2P 网络流量分类模型 | 第44-62页 |
| ·支持向量机 | 第44-53页 |
| ·支持向量机原理 | 第44-49页 |
| ·支持向量机关键技术 | 第49-53页 |
| ·基于 SVM 的 P2P 分类模型 | 第53-56页 |
| ·P2P 网络流量多分类 | 第56-61页 |
| ·网络流特征的选择 | 第56-57页 |
| ·SVM 流量多分类 | 第57-61页 |
| ·小结 | 第61-62页 |
| 第五章 基于支持向量机模型仿真 | 第62-74页 |
| ·LIBSVM 概述 | 第62-63页 |
| ·仿真流程 | 第63-69页 |
| ·实验环境 | 第63页 |
| ·实验数据 | 第63-64页 |
| ·总体设计 | 第64-65页 |
| ·关键技术和关键模块说明 | 第65-66页 |
| ·仿真场景 | 第66-69页 |
| ·仿真结果分析 | 第69-73页 |
| ·小结 | 第73-74页 |
| 第六章 结束语 | 第74-76页 |
| ·工作总结 | 第74页 |
| ·展望 | 第74-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-81页 |