基于流统计特性的应用协议识别技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·基于端口的研究现状 | 第9页 |
| ·基于包负载的研究现状 | 第9-10页 |
| ·基于统计特性的研究现状 | 第10-11页 |
| ·本论文工作 | 第11页 |
| ·论文结构 | 第11-13页 |
| 第二章 协议识别相关技术 | 第13-23页 |
| ·基于端口的协议识别 | 第13-14页 |
| ·基于包负载的协议识别 | 第14-16页 |
| ·基于关键字的识别 | 第14-16页 |
| ·基于正则表达式的协议识别 | 第16页 |
| ·基于流统计的协议识别方法 | 第16-22页 |
| ·流的定义 | 第17-18页 |
| ·有监督机器学习 | 第18-20页 |
| ·无监督机器学习 | 第20-21页 |
| ·半监督机器学习 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于FR和FSS混合生成的特征选择算法 | 第23-40页 |
| ·特征选择算法研究 | 第23-28页 |
| ·特征子集搜索算法 | 第24-26页 |
| ·特征子集评价函数 | 第26-28页 |
| ·特征选择算法停止准则 | 第28页 |
| ·基于混合生成的特征选取算法 | 第28-33页 |
| ·第一种混合生成选择算法 | 第29-31页 |
| ·第二种混合生成选择算法 | 第31-33页 |
| ·实验分析 | 第33-39页 |
| ·实验环境和数据准备 | 第33-35页 |
| ·基于Filter方法的实验 | 第35-36页 |
| ·基于Wrapper方法的实验 | 第36-38页 |
| ·实验结果分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 协议特征的处理和匹配 | 第40-54页 |
| ·特征数据结构 | 第40页 |
| ·特征空间 | 第40-41页 |
| ·典型应用协议分析和特征选取 | 第41-45页 |
| ·eDonkey协议分析 | 第41-43页 |
| ·Skype协议分析 | 第43-45页 |
| ·基于K-L距离的HCM算法 | 第45-49页 |
| ·HCM聚类算法 | 第45-47页 |
| ·基于K-L距离的HCM算法(KL-HCM) | 第47-49页 |
| ·基于KL-HCM算法的协议识别器的训练 | 第49-52页 |
| ·协议数据流标记算法 | 第49-50页 |
| ·协议模型库的训练 | 第50-51页 |
| ·模型库重训练的判定 | 第51-52页 |
| ·协议识别评价指标 | 第52-54页 |
| 第五章 实验设计和分析 | 第54-64页 |
| ·数据准备 | 第54-57页 |
| ·数据的捕获 | 第54-55页 |
| ·会话的重组和标记 | 第55-57页 |
| ·重要参数的选择实验 | 第57-59页 |
| ·特征子集选取实验 | 第57页 |
| ·K值的选取实验 | 第57-58页 |
| ·协议匹配判决阀值的选择 | 第58-59页 |
| ·协议识别实验测试与结果分析 | 第59-64页 |
| ·协议模型的训练 | 第59-61页 |
| ·识别精度测试 | 第61-62页 |
| ·性能测试 | 第62-64页 |
| 第六章 总结与展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第68-69页 |
| 致谢 | 第69页 |
