基于隐马尔可夫模型的协议识别技术的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题研究背景 | 第9页 |
| ·研究现状 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·本文主要工作 | 第11页 |
| ·论文组织安排 | 第11-13页 |
| 第二章 网络协议识别技术 | 第13-21页 |
| ·协议识别的基本概念 | 第13-14页 |
| ·基于端口号的协议识别技术 | 第14-15页 |
| ·基于载荷特征的协议识别技术 | 第15-16页 |
| ·基于行为特征的协议识别技术 | 第16-17页 |
| ·基于机器学习的协议识别技术 | 第17-19页 |
| ·各识别技术的优缺点分析 | 第19-20页 |
| ·小结 | 第20-21页 |
| 第三章 隐马尔可夫模型 | 第21-31页 |
| ·HMM 定义 | 第21-23页 |
| ·HMM 需要解决的三个问题 | 第23页 |
| ·HMM 基本算法 | 第23-27页 |
| ·前向-后向算法用于解决评估问题 | 第23-25页 |
| ·Viterbi 算法用于解决状态序列的优化问题 | 第25-27页 |
| ·Baum-Welch 算法用于解决训练问题 | 第27页 |
| ·HMM 在实际应用中的改进 | 第27-29页 |
| ·初始模型的选取问题 | 第27-28页 |
| ·算法下溢问题 | 第28-29页 |
| ·过度拟合问题 | 第29页 |
| ·将 HMM 运用于协议识别的优势 | 第29-30页 |
| ·小结 | 第30-31页 |
| 第四章 基于统计特征的 HMM 协议识别技术 | 第31-40页 |
| ·识别特征选择 | 第31-32页 |
| ·统计特征分布 | 第32-34页 |
| ·统计拟合方法 | 第34页 |
| ·基于统计特征的 HMM 协议识别 | 第34-39页 |
| ·研究模型 | 第35页 |
| ·单个HMMi模型 | 第35-36页 |
| ·双特征下模型参数的改进 | 第36-37页 |
| ·模型的统计特性 | 第37-38页 |
| ·协议识别 | 第38页 |
| ·自主学习 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第五章 实验内容与分析 | 第40-49页 |
| ·数据来源 | 第40页 |
| ·实验环境 | 第40-41页 |
| ·模型参数的学习 | 第41-43页 |
| ·训练算法的收敛性 | 第43-44页 |
| ·各应用类型的训练模型 | 第44-46页 |
| ·识别结果 | 第46-48页 |
| ·实验对比一 | 第47页 |
| ·实验对比二 | 第47-48页 |
| ·小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-50页 |
| ·总结 | 第49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 发表论文和科研情况说明 | 第54-55页 |
| 致谢 | 第55-56页 |
