| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状及存在问题 | 第9-12页 |
| 1.2.1 国内外研究现状 | 第9-11页 |
| 1.2.2 存在问题 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第2章 网络流量识别技术研究 | 第15-36页 |
| 2.1 网络流量识别概述 | 第15-22页 |
| 2.1.1 网络流量识别方法 | 第17-20页 |
| 2.1.2 网络流量识别评价标准 | 第20-21页 |
| 2.1.3 网络流量识别过程 | 第21-22页 |
| 2.2 在线网络流量识别 | 第22-29页 |
| 2.2.1 数据流挖掘技术 | 第22-24页 |
| 2.2.2 Spark Streaming流数据处理过程 | 第24-26页 |
| 2.2.3 在线网络流量识别方案 | 第26-29页 |
| 2.3 网络流特征选择 | 第29-32页 |
| 2.3.1 ReliefF方法去除无关属性 | 第29-30页 |
| 2.3.2 CFS方法去除冗余属性 | 第30-31页 |
| 2.3.3 基于投票策略的组合特征选择 | 第31-32页 |
| 2.4 数据流挖掘的网络流量识别方法 | 第32-35页 |
| 2.4.1 数据流分类的网络流量识别 | 第33页 |
| 2.4.2 数据流聚类的网络流量识别 | 第33-34页 |
| 2.4.3 两种网络流量识别方法对比分析 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 数据流分类的网络流量识别 | 第36-59页 |
| 3.1 网络流量识别过程中存在的问题 | 第36-37页 |
| 3.1.1 网络流量概念漂移 | 第36页 |
| 3.1.2 网络流量类型偏态分布 | 第36-37页 |
| 3.2 数据流分类的网络流量识别算法 | 第37-49页 |
| 3.2.1 CVFDT算法分析 | 第37-42页 |
| 3.2.2 基于CVFDT的改进算法 | 第42-46页 |
| 3.2.3 AG_CVFDT算法的Spark并行化 | 第46-49页 |
| 3.3 实验过程与结果分析 | 第49-57页 |
| 3.3.1 实验方案 | 第49页 |
| 3.3.2 实验环境与实验数据 | 第49-51页 |
| 3.3.3 实验结果及分析 | 第51-57页 |
| 3.4 在线网络流量识别系统应用 | 第57-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第4章 数据流聚类的网络流量识别 | 第59-72页 |
| 4.1 数据流聚类的网络流量识别算法 | 第59-61页 |
| 4.1.1 GDDSC算法整体过程 | 第59-60页 |
| 4.1.2 相关概念定义 | 第60-61页 |
| 4.2 在线处理过程 | 第61-63页 |
| 4.2.1 在线算法 | 第61-62页 |
| 4.2.2 快照缓存管理 | 第62-63页 |
| 4.3 离线处理过程 | 第63-65页 |
| 4.3.1 离线算法 | 第63-64页 |
| 4.3.2 演化分析 | 第64页 |
| 4.3.3 孤立点处理 | 第64-65页 |
| 4.3.4 GDDSC算法分析 | 第65页 |
| 4.4 数据流聚类的网络流量识别方案 | 第65-67页 |
| 4.4.1 基于GDDSC的网络流量识别过程 | 第65-66页 |
| 4.4.2 聚类簇与应用类型映射规则 | 第66-67页 |
| 4.5 实验过程与结果分析 | 第67-71页 |
| 4.5.1 实验方案 | 第67页 |
| 4.5.2 实验环境与实验数据 | 第67-68页 |
| 4.5.3 实验结果及分析 | 第68-71页 |
| 4.6 本章小结 | 第71-72页 |
| 第5章 总结与展望 | 第72-74页 |
| 5.1 本文工作总结 | 第72-73页 |
| 5.2 未来工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-77页 |