基于深度学习的无线传输协议识别
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 应用层协议识别研究现状 | 第16-18页 |
| 1.2.2 无线传输协议识别研究现状 | 第18页 |
| 1.2.3 深度学习研究现状 | 第18-19页 |
| 1.3 论文的主要内容及结构安排 | 第19-21页 |
| 第二章 深度学习理论基础 | 第21-37页 |
| 2.1 深度学习发展背景 | 第21页 |
| 2.2 深度学习概述 | 第21-22页 |
| 2.3 深度学习常用模型 | 第22-32页 |
| 2.3.1 自动编码器 | 第23-24页 |
| 2.3.2 深度信念网络 | 第24-26页 |
| 2.3.3 卷积神经网络 | 第26-29页 |
| 2.3.4 循环神经网络 | 第29-32页 |
| 2.4 深度学习训练方法 | 第32-35页 |
| 2.4.1 权值更新函数 | 第32-33页 |
| 2.4.2 训练策略 | 第33-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第三章 基于深度神经网络的应用层协议识别 | 第37-59页 |
| 3.1 引言 | 第37页 |
| 3.2 应用层协议识别整体框架 | 第37-38页 |
| 3.3 比特流数据集说明 | 第38-40页 |
| 3.4 神经网络拓扑结构 | 第40-45页 |
| 3.4.1 训练神经网络 | 第41-42页 |
| 3.4.2 神经网络权值更新 | 第42-45页 |
| 3.5 实验结果及分析 | 第45-54页 |
| 3.5.1 实验硬件及平台介绍 | 第45-46页 |
| 3.5.2 网络参数设置 | 第46页 |
| 3.5.3 实验结果及分析 | 第46-54页 |
| 3.6 基于改进LSTM网络的协议识别 | 第54-57页 |
| 3.6.1 改进的LSTM网络架构 | 第54-55页 |
| 3.6.2 实验结果及分析 | 第55-57页 |
| 3.7 本章小结 | 第57-59页 |
| 第四章 基于深度神经网络的无线传输协议识别 | 第59-71页 |
| 4.1 引言 | 第59页 |
| 4.2 无线传输协议介绍 | 第59-61页 |
| 4.3 无线传输协议数据说明 | 第61-62页 |
| 4.4 神经网络拓扑结构 | 第62-64页 |
| 4.4.1 神经网络结构 | 第62页 |
| 4.4.2 Dropout | 第62-64页 |
| 4.5 实验结果与分析 | 第64-66页 |
| 4.5.1 网络参数设置 | 第64页 |
| 4.5.2 实验结果与分析 | 第64-66页 |
| 4.6 基于自编码器改进网络的协议识别 | 第66-69页 |
| 4.6.1 降噪自编码器简介 | 第67页 |
| 4.6.2 神经网络架构 | 第67-68页 |
| 4.6.3 实验结果与分析 | 第68-69页 |
| 4.7 基于偏重训练策略的改进网络识别方法 | 第69-70页 |
| 4.8 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 研究内容总结 | 第71页 |
| 5.2 进一步工作展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 作者简介 | 第79-80页 |
