| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-13页 |
| ·论文背景与意义 | 第10-11页 |
| ·论文的主要工作及组织架构 | 第11-13页 |
| 2 P2P 技术综述 | 第13-25页 |
| ·P2P 体系架构 | 第13-17页 |
| ·中心化拓扑（Centralized Topology） | 第13-14页 |
| ·全分布式非结构化拓扑（Decentralized Unstructured Topology） | 第14-15页 |
| ·全分布式结构化拓扑 | 第15-16页 |
| ·混合式拓扑（Hybrid Structure） | 第16-17页 |
| ·P2P 拓扑结构小结 | 第17页 |
| ·P2P 搜索技术 | 第17-22页 |
| ·结构化网络P2P 搜索技术 | 第17-20页 |
| ·非结构化 P2P 网络的搜索技术 | 第20-22页 |
| ·混合式 P2P 网络的搜索技术 | 第22页 |
| ·P2P 网络特点 | 第22-23页 |
| ·P2P 应用分类 | 第23-24页 |
| ·小结 | 第24-25页 |
| 3 现有检测技术的研究 | 第25-35页 |
| ·常用P2P 应用——EDONKEY 工作原理 | 第25-30页 |
| ·协议概述 | 第25-26页 |
| ·eDonkey 协议基本术语 | 第26-27页 |
| ·协议交互过程 | 第27-29页 |
| ·eDonkey 协议报文格式 | 第29页 |
| ·特征总结 | 第29-30页 |
| ·现有P2P 流量检测技术分析 | 第30-34页 |
| ·基于端口的P2P 识别 | 第30-31页 |
| ·基于流统计特性的识别 | 第31页 |
| ·基于传输层行为特征的识别 | 第31-32页 |
| ·基于深层数据包扫描的识别 | 第32-33页 |
| ·基于DNS 查询日志的P2P 结点检测 | 第33-34页 |
| ·小结 | 第34-35页 |
| 4 基于支持向量机的P2P 流量检测系统模型 | 第35-48页 |
| ·支持向量机技术 | 第35-40页 |
| ·最优分类超平面 | 第35-36页 |
| ·广义最优分类超平面 | 第36-37页 |
| ·支持向量机 | 第37-39页 |
| ·核函数 | 第39页 |
| ·利用支持向量机进行分类的优点 | 第39-40页 |
| ·基于SVM 的P2P 流量检测模型 | 第40-42页 |
| ·网络连接信息的提取 | 第42页 |
| ·特征选取 | 第42-47页 |
| ·特征分析——数据包层面 | 第43-44页 |
| ·特征分析——数据流层面 | 第44-45页 |
| ·特征分析——连接层面 | 第45-47页 |
| ·小结 | 第47-48页 |
| 5 提高基于SVM 的P2P 流量检测性能的有关设计改进 | 第48-63页 |
| ·训练流程 | 第48-49页 |
| ·特征数据的预处理 | 第49-51页 |
| ·训练数据集的选取 | 第51-54页 |
| ·特征加权 | 第54-57页 |
| ·SVM 的训练步骤及核函数的选择 | 第57-58页 |
| ·SVM 的训练和预测步骤 | 第57页 |
| ·核函数的选择与参数的确定 | 第57-58页 |
| ·实验及数据分析 | 第58-62页 |
| ·检测标准 | 第58-59页 |
| ·实验环境 | 第59页 |
| ·实验数据来源 | 第59-60页 |
| ·实验结果比较与分析 | 第60-62页 |
| ·小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| ·论文主要成果 | 第63-64页 |
| ·进一步研究的展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录 | 第69-71页 |
