| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第1章 绪论 | 第13-20页 |
| ·选题背景及意义 | 第13-15页 |
| ·国内外研究现状和已有成果 | 第15-17页 |
| ·基于端口识别方法 | 第15-16页 |
| ·基于负载识别方法 | 第16-17页 |
| ·基于测度识别方法 | 第17页 |
| ·综合方法 | 第17页 |
| ·论文的研究思路和主要工作 | 第17-18页 |
| ·论文的结构 | 第18-20页 |
| 第2章 面向流量识别的聚类算法研究与分析 | 第20-33页 |
| ·数据挖掘技术介绍 | 第20-23页 |
| ·聚类技术介绍 | 第23-25页 |
| ·聚类算法 | 第25-27页 |
| ·K-MEANS 算法 | 第27-30页 |
| ·K-means 算法基本思想 | 第27-28页 |
| ·K-means 算法分析 | 第28-30页 |
| ·DBSCAN 算法 | 第30-31页 |
| ·DBSCAN 算法基本思想 | 第30-31页 |
| ·DBSCAN 算法分析 | 第31页 |
| ·K-MEDOIDS 算法 | 第31-32页 |
| ·K-medoids 算法基本思想 | 第31页 |
| ·K-medoids 算法分析 | 第31-32页 |
| ·已有的基于聚类分析的流量识别方法 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于K-MEANS++的流量识别算法设计 | 第33-41页 |
| ·识别测度的选择 | 第33-37页 |
| ·先前的研究 | 第33页 |
| ·合适的识别测度 | 第33-37页 |
| ·识别测度的提取 | 第37页 |
| ·训练数据集 | 第37页 |
| ·K-MEANS++算法聚类 | 第37-40页 |
| ·初始化簇中心的选择 | 第37-38页 |
| ·簇质量优化 | 第38-40页 |
| ·在线识别 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于XML 脚本语言的流量特征描述方法 | 第41-46页 |
| ·XML 介绍 | 第41-42页 |
| ·描述方法 | 第42-44页 |
| ·基本协议描述规则 | 第42-43页 |
| ·XML 文件解析方法 | 第43-44页 |
| ·匹配过程 | 第44页 |
| ·性能对比 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 基于聚类算法的流量识别系统实现和验证 | 第46-61页 |
| ·系统功能需求 | 第46页 |
| ·系统运行的软硬件环境 | 第46页 |
| ·基于聚类算法的流量识别系统设计实现 | 第46-54页 |
| ·离线分析阶段 | 第47-49页 |
| ·XML 特征解析阶段 | 第49-53页 |
| ·在线识别阶段 | 第53-54页 |
| ·实验数据 | 第54页 |
| ·实验结果 | 第54-58页 |
| ·应用层协议在线识别结果 | 第54-55页 |
| ·算法改进效果验证 | 第55-56页 |
| ·不同簇数目下识别率比较 | 第56-57页 |
| ·与基于特征负载的识别方法的比较 | 第57-58页 |
| ·性能分析和评估 | 第58-60页 |
| ·K-means 算法和K-means++算法的比较 | 第58-60页 |
| ·在线识别阶段的复杂性 | 第60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第68-69页 |
| 附录 B 攻读学位期间所参与的科研项目 | 第69-70页 |
| 附录 C 攻读学位期间所申请的专利 | 第70页 |