| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 相关背景技术 | 第13-21页 |
| 2.1 加密流量识别 | 第13-15页 |
| 2.1.1 加密与非加密流量识别 | 第13页 |
| 2.1.2 加密流量应用服务识别 | 第13-14页 |
| 2.1.3 异常加密流量识别 | 第14页 |
| 2.1.4 加密流量识别总结 | 第14-15页 |
| 2.2 协议逆向工程 | 第15-19页 |
| 2.2.1 协议逆向目标 | 第15-17页 |
| 2.2.2 协议逆向技术分类 | 第17-19页 |
| 2.2.3 协议逆向技术总结 | 第19页 |
| 2.3 本章小结 | 第19-21页 |
| 第三章 基于多元组熵和累加和检验的加密流量识别 | 第21-31页 |
| 3.1 加密流量识别方法 | 第21-25页 |
| 3.1.1 多元组熵特征分析 | 第22-23页 |
| 3.1.2 累加和检验 | 第23-25页 |
| 3.1.3 C4.5决策树算法 | 第25页 |
| 3.2 加密流量识别流程及算法 | 第25-27页 |
| 3.3 实验结果与分析 | 第27-30页 |
| 3.3.1 数据集 | 第27-28页 |
| 3.3.2 评价指标 | 第28页 |
| 3.3.3 结果分析 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 网络协议逆向分析方法 | 第31-49页 |
| 4.1 预处理阶段 | 第31页 |
| 4.2 报文分段阶段 | 第31-37页 |
| 4.2.1 投票专家算法 | 第32-34页 |
| 4.2.2 面向报文分段的VE算法改进 | 第34-35页 |
| 4.2.3 算法描述 | 第35-37页 |
| 4.3 协议关键词提取阶段 | 第37-41页 |
| 4.3.1 高频词合并 | 第37-40页 |
| 4.3.2 基于报文重分段的关键词提取及格式模式化 | 第40-41页 |
| 4.4 协议格式识别阶段 | 第41-47页 |
| 4.4.1 基于词向量的语义分析 | 第42-44页 |
| 4.4.2 基于语义的报文格式合并 | 第44-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 系统设计与实现 | 第49-65页 |
| 5.1 系统框架设计 | 第49-50页 |
| 5.2 协议逆向分析实验结果分析 | 第50-63页 |
| 5.2.1 数据集及预处理 | 第50-51页 |
| 5.2.2 系统初始参数配置 | 第51-52页 |
| 5.2.3 报文分段实验结果 | 第52-55页 |
| 5.2.4 协议关键词提取实验结果 | 第55-60页 |
| 5.2.5 协议格式识别实验结果 | 第60-63页 |
| 5.3 本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 作者简介 | 第73页 |