| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究目标与研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第2章 流量分类技术综述 | 第15-30页 |
| 2.1 引言 | 第15页 |
| 2.2 流量分类概念 | 第15-16页 |
| 2.2.1 流量分类的定义 | 第15页 |
| 2.2.2 流量分类评价指标 | 第15-16页 |
| 2.3 流量分类方法 | 第16-20页 |
| 2.3.1 基于端口的分类方法 | 第17-18页 |
| 2.3.2 基于应用签名的分类方法 | 第18-19页 |
| 2.3.3 基于统计特征的分类方法 | 第19-20页 |
| 2.4 流量分类中的机器学习方法 | 第20-27页 |
| 2.4.1 有监督机器学习方法 | 第21-23页 |
| 2.4.2 无监督机器学习方法 | 第23-25页 |
| 2.4.3 半监督机器学习方法 | 第25-27页 |
| 2.5 各类方法的比较 | 第27-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第3章 面向快速流分类的特征研究 | 第30-51页 |
| 3.1 Moore流特征集 | 第30-31页 |
| 3.2 ACK-Len ab和ACK-Len ba特征 | 第31-43页 |
| 3.2.1 ACK-Len ab和ACK-Len ba特征的定义 | 第32-33页 |
| 3.2.2 ACK-Len ab和ACK-Len ba特征的典型性分析 | 第33-36页 |
| 3.2.3 实验 | 第36-43页 |
| 3.3 基于ACK-Len ab和ACK-Len ba特征分类的时间性能 | 第43-44页 |
| 3.4 实验中的程序实现 | 第44-49页 |
| 3.4.1 聚包成流 | 第44-48页 |
| 3.4.2 ACK-Len ab和ACK-Len ba特征的计算 | 第48-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第4章 基于粗糙集方法的快速流分类 | 第51-63页 |
| 4.1 特征选择 | 第51-52页 |
| 4.2 粗糙集理论基础 | 第52-55页 |
| 4.2.1 粗糙集基本概念 | 第52-54页 |
| 4.2.2 基于粗糙集的特征选择算法 | 第54-55页 |
| 4.3 基于粗糙集的快速流分类方法 | 第55-56页 |
| 4.4 实验 | 第56-62页 |
| 4.4.1 数据准备 | 第57页 |
| 4.4.2 特征选择 | 第57页 |
| 4.4.3 实验结果与分析 | 第57-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63页 |
| 5.2 下一步工作展望 | 第63-65页 |
| 参考文献 | 第65-74页 |
| 致谢 | 第74-76页 |
| 攻读硕士学位期间发表论文 | 第76-78页 |
