基于机器学习的P2P流量识别
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题研究背景 | 第10-12页 |
| ·P2P的发展 | 第11-12页 |
| ·数据挖掘技术的现状 | 第12页 |
| ·问题的提出与本文所做的工作 | 第12-14页 |
| ·P2P技术的现状 | 第12-14页 |
| ·机器学习与P2P流量识别的结合 | 第14页 |
| ·论文结构安排 | 第14-15页 |
| 第二章 P2P流量识别的原理以及方法 | 第15-25页 |
| ·P2P与C/S模式 | 第15-19页 |
| ·P2P与C/S的对比 | 第15-16页 |
| ·P2P网络机构模型分析 | 第16-19页 |
| ·现有P2P流量识别技术 | 第19-24页 |
| ·P2P流量识别的发展趋势 | 第24-25页 |
| 第三章 数据挖掘与机器学习的分析 | 第25-37页 |
| ·数据挖掘技术 | 第25-27页 |
| ·数据挖掘的产生 | 第25-26页 |
| ·数据挖掘的概念 | 第26页 |
| ·数据挖掘的实现步骤 | 第26-27页 |
| ·机器学习的方法 | 第27-29页 |
| ·流量识别中的机器学习 | 第29-36页 |
| ·流量识别的实现过程 | 第29-33页 |
| ·基于流特征的识别 | 第33-34页 |
| ·典型方法分析 | 第34-36页 |
| ·P2P流量识别算法构想 | 第36-37页 |
| 第四章 利用机器学习的方法识别P2P流量 | 第37-50页 |
| ·原理描述 | 第37-38页 |
| ·学习阶段 | 第38-44页 |
| ·样本采集 | 第38-41页 |
| ·P2P业务流量属性的选择和分析 | 第41-43页 |
| ·形成簇和类标记 | 第43-44页 |
| ·识别阶段 | 第44-48页 |
| ·识别算法 | 第44-47页 |
| ·P2P流量识别算法的实现 | 第47-48页 |
| ·功能模块描述与设计 | 第48-50页 |
| 第五章 实验测试与结论 | 第50-56页 |
| ·系统的实现 | 第50页 |
| ·测试假设条件和测试条件 | 第50-51页 |
| ·测试过程概述 | 第51-53页 |
| ·测试分析 | 第53-55页 |
| ·测试准确率分析 | 第53-54页 |
| ·测试中CPU占有率分析 | 第54-55页 |
| ·结果与结论 | 第55-56页 |
| 第六章 总结和展望 | 第56-58页 |
| ·论文总结 | 第56页 |
| ·问题和展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表的论文 | 第62页 |
