| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-32页 |
| 1.1 课题背景及研究的目的和意义 | 第14-15页 |
| 1.2 网络流量分类技术的评价指标 | 第15-16页 |
| 1.2.1 检全率和误报率 | 第15页 |
| 1.2.2 流的准确性和字节准确性 | 第15-16页 |
| 1.3 研究现状分析 | 第16-28页 |
| 1.3.1 端口分类技术 | 第16-17页 |
| 1.3.2 深层数据包检测技术 | 第17-19页 |
| 1.3.3 基于机器学习的流量分类技术 | 第19-26页 |
| 1.3.4 基于网络行为特征的流量分类技术 | 第26-28页 |
| 1.4 本文的主要研究内容和组织结构 | 第28-32页 |
| 1.4.1 本文的主要研究内容 | 第28-29页 |
| 1.4.2 组织结构 | 第29-32页 |
| 第2章 面向不平衡协议流的在线流量分类算法 | 第32-54页 |
| 2.1 引言 | 第32页 |
| 2.2 相关工作 | 第32-33页 |
| 2.3 流量分类算法的理论分析 | 第33-35页 |
| 2.3.1 NBK分类算法 | 第33-34页 |
| 2.3.2 C4.5 决策树分类算法 | 第34-35页 |
| 2.3.3 SVM分类算法 | 第35页 |
| 2.4 协议分布的不平衡性对分类算法的影响 | 第35-47页 |
| 2.4.1 数据集 | 第35-36页 |
| 2.4.2 流量标注 | 第36-38页 |
| 2.4.3 确定TCP双向流观察窗口的大小 | 第38-41页 |
| 2.4.4 特征选择 | 第41-42页 |
| 2.4.5 三种分类算法的比较 | 第42-47页 |
| 2.5 基于改进的BAGGING集成学习流量分类算法 | 第47-52页 |
| 2.5.1 改进的Bagging流量分类算法 | 第47-49页 |
| 2.5.2 流准确性分析 | 第49-50页 |
| 2.5.3 检全率与误报率分析 | 第50-51页 |
| 2.5.4 字节准确性分析 | 第51-52页 |
| 2.5.5 训练时间和测试时间 | 第52页 |
| 2.6 本章小结 | 第52-54页 |
| 第3章 面向不平衡协议流分类的特征选择算法 | 第54-84页 |
| 3.1 引言 | 第54页 |
| 3.2 相关工作 | 第54-55页 |
| 3.3 特征选择度量及算法 | 第55-62页 |
| 3.3.1 特征选择度量 | 第56-58页 |
| 3.3.2 特征选择算法 | 第58-62页 |
| 3.4 评估方法 | 第62-64页 |
| 3.4.1 分类对象 | 第62页 |
| 3.4.2 数据集 | 第62-64页 |
| 3.5 实验结果 | 第64-83页 |
| 3.5.1 在Cambridge数据集上比较WSU_AUC和SU_ACC算法 | 第65-75页 |
| 3.5.2 在Cambridge数据集上比较分类时间 | 第75-76页 |
| 3.5.3 在Cambridge数据集上比较特征选择时间 | 第76-78页 |
| 3.5.4 基于WSU_AUC算法的在线流量分类 | 第78-83页 |
| 3.6 本章小结 | 第83-84页 |
| 第4章 基于集成聚类的流量分类架构 | 第84-98页 |
| 4.1 引言 | 第84页 |
| 4.2 相关工作 | 第84-85页 |
| 4.2.1 基于聚类算法的流量分类 | 第84-85页 |
| 4.2.2 多分类器结合模型 | 第85页 |
| 4.3 基于集成聚类的流量分类架构 | 第85-91页 |
| 4.3.1 建立基分类器 | 第86-88页 |
| 4.3.2 建立决策器 | 第88-90页 |
| 4.3.3 TCFEC在线分类算法 | 第90-91页 |
| 4.4 评估方法 | 第91页 |
| 4.5 实验结果 | 第91-97页 |
| 4.5.1 TCP单向流观察窗口大小 | 第91-92页 |
| 4.5.2 TCFEC与每个基分类器的比较 | 第92-94页 |
| 4.5.3 TCFEC与SVM算法的比较 | 第94-97页 |
| 4.6 本章小结 | 第97-98页 |
| 第5章 面向轻量级深度包检测的负载特征提取算法 | 第98-114页 |
| 5.1 引言 | 第98-99页 |
| 5.2 相关工作 | 第99-100页 |
| 5.2.1 DPI技术 | 第99页 |
| 5.2.2 负载特征提取技术 | 第99-100页 |
| 5.3 负载特征的自动提取 | 第100-107页 |
| 5.3.1 纯净的数据包采集 | 第100页 |
| 5.3.2 跟踪TCP流和UDP流 | 第100-101页 |
| 5.3.3 字节特征的自动提取算法 | 第101-105页 |
| 5.3.4 位特征生成算法 | 第105-107页 |
| 5.3.5 基于字节特征与位特征的流量分类 | 第107页 |
| 5.4 评估方法 | 第107-108页 |
| 5.4.1 分类对象 | 第107-108页 |
| 5.4.2 测试数据集与流量标注 | 第108页 |
| 5.5 实验结果 | 第108-113页 |
| 5.5.1 TCP流分类 | 第108-111页 |
| 5.5.2 UDP流分类 | 第111-113页 |
| 5.5.3 分类时间的比较 | 第113页 |
| 5.6 本章小结 | 第113-114页 |
| 结论 | 第114-116页 |
| 参考文献 | 第116-126页 |
| 攻读博士学位期间发表的论文及其它成果 | 第126-128页 |
| 致谢 | 第128-129页 |
| 个人简历 | 第129页 |
