宽带接入网流量识别关键技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第一章 绪论 | 第13-23页 |
| ·课题研究背景 | 第13-16页 |
| ·互联网发展现状 | 第13-14页 |
| ·互联网面临的问题 | 第14-15页 |
| ·课题研究的意义 | 第15-16页 |
| ·网络流量识别技术 | 第16-19页 |
| ·基于端口方法 | 第16-17页 |
| ·基于行为规则匹配方法 | 第17页 |
| ·基于载荷特征方法 | 第17-18页 |
| ·基于数据流特征方法 | 第18-19页 |
| ·网络流量识别发展趋势 | 第19页 |
| ·主要研究工作及贡献 | 第19-21页 |
| ·论文的结构与内容安排 | 第21-23页 |
| 第二章 接入网流量特性估计 | 第23-43页 |
| ·网络流量的基本特性 | 第24-27页 |
| ·自相似性 | 第24-25页 |
| ·长相关性 | 第25页 |
| ·多重分形性 | 第25-26页 |
| ·周期性 | 第26页 |
| ·混沌性 | 第26-27页 |
| ·网络流量模型 | 第27-32页 |
| ·传统流量模型 | 第27-29页 |
| ·自相似流量模型 | 第29-32页 |
| ·自相似性估计算法 | 第32-36页 |
| ·R/S分析法 | 第32-34页 |
| ·方差-时间图法 | 第34页 |
| ·周期图法 | 第34-35页 |
| ·Whittle极大似然法 | 第35页 |
| ·Abry-Veitch小波法 | 第35-36页 |
| ·基于流的特性分析 | 第36-42页 |
| ·问题描述 | 第37-38页 |
| ·数据集信息 | 第38-39页 |
| ·流序列的自相似性 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第三章 数据流自适应增量分类算法 | 第43-66页 |
| ·机器学习概念 | 第43-45页 |
| ·分类方法 | 第44-45页 |
| ·聚类分析方法 | 第45页 |
| ·综合分析方法 | 第45页 |
| ·基于分类算法的流量识别 | 第45-47页 |
| ·特征属性选择 | 第47-52页 |
| ·属性选择方法 | 第47-50页 |
| ·属性子集评估标准 | 第50-51页 |
| ·支持度和置信度概念 | 第51-52页 |
| ·在线分类问题描述 | 第52-53页 |
| ·自适应分级滑动窗口决策树算法 | 第53-60页 |
| ·CVFDT分类算法 | 第54页 |
| ·AGSW-DT算法 | 第54-56页 |
| ·基于数据概念划分的训练窗口设置 | 第56-57页 |
| ·基于特征匹配训练集生成 | 第57-58页 |
| ·概念漂移检测与概念更新 | 第58页 |
| ·训练窗口自适应调整 | 第58-60页 |
| ·实验与分析 | 第60-64页 |
| ·数据集 | 第60-61页 |
| ·实验结果与分析 | 第61-64页 |
| ·本章小结 | 第64-66页 |
| 第四章 基于在线聚类的流量识别 | 第66-81页 |
| ·聚类分析算法 | 第66-70页 |
| ·数据相似度测量 | 第67-68页 |
| ·聚类评价准则 | 第68-69页 |
| ·聚类方法分类 | 第69-70页 |
| ·基于聚类算法的流量识别 | 第70-71页 |
| ·基于聚类算法的在线分类方案 | 第71-74页 |
| ·在线流量识别方案 | 第72-73页 |
| ·子流应用识别模块 | 第73页 |
| ·应用映射模块 | 第73-74页 |
| ·数据流特征属性提取和选择 | 第74页 |
| ·OL-DBSCAN算法 | 第74-76页 |
| ·实验结果与分析 | 第76-79页 |
| ·实验数据集 | 第76-77页 |
| ·结果及分析 | 第77-79页 |
| ·未知流量类型的识别 | 第79页 |
| ·本章小结 | 第79-81页 |
| 第五章 基于传输层连接拓扑的流量识别 | 第81-98页 |
| ·网络拓扑度量 | 第82-84页 |
| ·网络拓扑模型 | 第84-86页 |
| ·随机图模型 | 第84页 |
| ·层次模型 | 第84-85页 |
| ·幂率分布模型 | 第85-86页 |
| ·传输层连接拓扑结构 | 第86-89页 |
| ·应用层协议的传输层拓扑 | 第86-87页 |
| ·应用类型基本分类 | 第87-88页 |
| ·应用类型与应用层协议关系 | 第88页 |
| ·主机节点应用类型相关性 | 第88-89页 |
| ·基于传输层拓扑的TCTP识别算法 | 第89-94页 |
| ·应用类型连接拓扑度量参数 | 第89-91页 |
| ·拓扑信息提取 | 第91-92页 |
| ·TCTP算法 | 第92-94页 |
| ·实验结果与分析 | 第94-96页 |
| ·实验数据 | 第94-95页 |
| ·基于网格型映射的识别结果 | 第95-96页 |
| ·结合启发式准则识别结果 | 第96页 |
| ·基于DPI的映射验证 | 第96页 |
| ·本章小结 | 第96-98页 |
| 第六章 信息融合算法与流量识别系统 | 第98-117页 |
| ·五种在线流量识别方法的比较 | 第99-100页 |
| ·数据分类决策融合研究现状 | 第100-101页 |
| ·不确定性决策信息融合方法 | 第101-107页 |
| ·基于Bayes理论的决策融合 | 第101-103页 |
| ·D-S证据推理决策融合 | 第103-107页 |
| ·网络流量分类的证据推理融合 | 第107-111页 |
| ·基于证据推理决策融合系统 | 第107-108页 |
| ·分类决策融合实验与分析 | 第108-111页 |
| ·原型系统硬件设计 | 第111-115页 |
| ·原型系统设计 | 第111-112页 |
| ·TCAM特征匹配 | 第112-113页 |
| ·网络处理器 | 第113-114页 |
| ·各分类器硬件模块设计 | 第114-115页 |
| ·本章小结 | 第115-117页 |
| 结束语 | 第117-119页 |
| 致谢 | 第119-120页 |
| 攻读博士学位期间的研究成果 | 第120-121页 |
| 参考文献 | 第121-128页 |
