| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第17-25页 |
| 1.1 研究背景及意义 | 第17-19页 |
| 1.2 研究关键问题 | 第19-21页 |
| 1.3 主要研究内容 | 第21-23页 |
| 1.4 论文组织结构 | 第23-25页 |
| 第2章 基础知识和相关工作 | 第25-47页 |
| 2.1 网络流量分类方法 | 第25-31页 |
| 2.1.1 一般的网络流量分类 | 第25-29页 |
| 2.1.2 恶意流量分类 | 第29-30页 |
| 2.1.3 加密流量分类 | 第30-31页 |
| 2.2 网络流量异常检测方法 | 第31-37页 |
| 2.2.1 网络流量异常检测基本概念 | 第32-34页 |
| 2.2.2 基于分类的方法 | 第34-36页 |
| 2.2.3 基于统计的方法 | 第36-37页 |
| 2.2.4 基于聚类的方法 | 第37页 |
| 2.2.5 基于信息论的方法 | 第37页 |
| 2.3 深度学习 | 第37-47页 |
| 2.3.1 深度学习的基本概念和发展历史 | 第38-40页 |
| 2.3.2 反向传播算法 | 第40-42页 |
| 2.3.3 卷积神经网络 | 第42-44页 |
| 2.3.4 长短时记忆循环神经网络 | 第44-47页 |
| 第3章 基于表征学习的恶意流量分类方法 | 第47-61页 |
| 3.1 引言 | 第47-48页 |
| 3.2 相关工作 | 第48页 |
| 3.3 基于表征学习的网络恶意流量分类模型 | 第48-55页 |
| 3.3.1 数据集 | 第48-49页 |
| 3.3.2 网络流量表示形式 | 第49-51页 |
| 3.3.3 数据预处理流程 | 第51-53页 |
| 3.3.4 表征学习模型架构 | 第53-54页 |
| 3.3.5 可扩展性验证 | 第54-55页 |
| 3.4 实验与分析 | 第55-59页 |
| 3.4.1 实验配置 | 第55页 |
| 3.4.2 评价标准 | 第55页 |
| 3.4.3 网络流量表示形式实验结果分析 | 第55-57页 |
| 3.4.4 可扩展性验证实验结果分析 | 第57-58页 |
| 3.4.5 与现有方法的对比 | 第58-59页 |
| 3.5 本章小结 | 第59-61页 |
| 第4章 基于一维CNN的端到端的加密流量分类方法 | 第61-75页 |
| 4.1 引言 | 第61-62页 |
| 4.2 相关工作 | 第62-63页 |
| 4.3 基于一维CNN的端到端的加密流量分类模型 | 第63-68页 |
| 4.3.1 数据集 | 第63-64页 |
| 4.3.2 端到端整体工作流 | 第64-65页 |
| 4.3.3 加密流量表示形式 | 第65-67页 |
| 4.3.4 一维CNN模型架构 | 第67-68页 |
| 4.4 实验与分析 | 第68-74页 |
| 4.4.1 实验配置 | 第69页 |
| 4.4.2 评价标准 | 第69-70页 |
| 4.4.3 加密流量表示形式实验结果分析 | 第70-71页 |
| 4.4.4 两种模型架构实验结果分析 | 第71-72页 |
| 4.4.5 与现有方法的对比 | 第72-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第5章 基于两阶段LSTM的网络流量分类方法 | 第75-85页 |
| 5.1 引言 | 第75-76页 |
| 5.2 相关工作 | 第76-77页 |
| 5.3 基于两阶段LSTM的网络流量分类模型 | 第77-80页 |
| 5.3.1 模型概述 | 第77-78页 |
| 5.3.2 数据包内时序特征学习 | 第78-80页 |
| 5.3.3 网络流内时序特征学习 | 第80页 |
| 5.4 实验与分析 | 第80-83页 |
| 5.4.1 实验数据及配置 | 第80-81页 |
| 5.4.2 实验结果分析 | 第81-82页 |
| 5.4.3 与现有研究的比较 | 第82-83页 |
| 5.5 本章小结 | 第83-85页 |
| 第6章 基于层次化时空特征学习的网络流量异常检测方法 | 第85-107页 |
| 6.1 引言 | 第85-86页 |
| 6.2 相关工作 | 第86-88页 |
| 6.3 基于CNN和LSTM的网络流量异常检测模型 | 第88-93页 |
| 6.3.1 模型概述 | 第88-90页 |
| 6.3.2 使用CNN学习空间特征 | 第90-91页 |
| 6.3.3 使用LSTM学习时序特征 | 第91-93页 |
| 6.4 实验与分析 | 第93-105页 |
| 6.4.1 实验数据及配置 | 第93-96页 |
| 6.4.2 网络流长度的影响 | 第96-98页 |
| 6.4.3 数据包长度的影响 | 第98-100页 |
| 6.4.4 数据包个数的影响 | 第100-101页 |
| 6.4.5 使用t-SNE降维时空特征并可视化分析 | 第101-103页 |
| 6.4.6 与现有研究的比较 | 第103-105页 |
| 6.5 本章小结 | 第105-107页 |
| 第7章 总结与展望 | 第107-111页 |
| 7.1 工作总结 | 第107-108页 |
| 7.2 工作展望 | 第108-111页 |
| 参考文献 | 第111-123页 |
| 致谢 | 第123-125页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第125页 |
