面向电力信息网络多维感知识别技术的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第12-16页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文的主要研究工作 | 第14页 |
| 1.4 本文的组织安排 | 第14-16页 |
| 2 多维感知识别技术 | 第16-30页 |
| 2.1 综合数据网及网络流量特点 | 第16-19页 |
| 2.1.1 综合数据网概况 | 第16页 |
| 2.1.2 综合数据网业务承载 | 第16-17页 |
| 2.1.3 网络新业务特点 | 第17-18页 |
| 2.1.4 电力信息网络现状 | 第18-19页 |
| 2.2 网络业务识别方法 | 第19-29页 |
| 2.2.1 端口识别法 | 第19页 |
| 2.2.2 普通报文检测方法 | 第19页 |
| 2.2.3 深度包检测方法 | 第19-21页 |
| 2.2.4 深度流检测方法 | 第21页 |
| 2.2.5 基于机器学习的流统计特性识别法 | 第21-22页 |
| 2.2.6 决策树方法 | 第22-27页 |
| 2.2.7 传输层的流量行为特征分析法 | 第27-28页 |
| 2.2.8 其他P2P应用识别方法 | 第28-29页 |
| 2.3 业务识别方法的比较 | 第29-30页 |
| 2.3.1 DPI与DFI比较 | 第29页 |
| 2.3.2 其他识别方法的比较 | 第29-30页 |
| 3 多维感知识别模型 | 第30-36页 |
| 3.1 多维感知技术引入 | 第30页 |
| 3.2 多维感知体系 | 第30-32页 |
| 3.3 信息流识别模型的研究分析 | 第32-34页 |
| 3.3.1 数据采集和协议分析层 | 第32页 |
| 3.3.2 信令识别层 | 第32-34页 |
| 3.3.3 内容识别层 | 第34页 |
| 3.3.4 业务识别应用层和表现层 | 第34页 |
| 3.4 基于综合特征的多维识别模型 | 第34-36页 |
| 4 联动机制与集成技术 | 第36-47页 |
| 4.1 联动机制 | 第36-37页 |
| 4.2 集成技术 | 第37-41页 |
| 4.2.1 流跟踪和状态维护 | 第37-38页 |
| 4.2.2 信令流识别 | 第38-39页 |
| 4.2.3 媒体流识别 | 第39-41页 |
| 4.3 IP业务流内容识别系统集成模型 | 第41-44页 |
| 4.3.1 基于现有的文本识别方法集成 | 第42页 |
| 4.3.2 基于现有的语言识别技术集成 | 第42页 |
| 4.3.3 基于视频内容分析技术集成 | 第42-44页 |
| 4.4 Cos特征匹配和标签技术 | 第44-47页 |
| 5 实验结果与分析 | 第47-55页 |
| 5.1 物理支持与拓扑结构 | 第47-48页 |
| 5.2 设备安装环境要求 | 第48-49页 |
| 5.3 实验现场设备安装 | 第49页 |
| 5.4 实验信息配置 | 第49-55页 |
| 6 结论与展望 | 第55-57页 |
| 6.1 本文工作总结 | 第55页 |
| 6.2 未来工作展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 个人简历 | 第61页 |
