移动网络流量中安卓应用自动识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 背景介绍 | 第12-13页 |
| 1.2 相关研究现状 | 第13-21页 |
| 1.2.1 网络流量分类方法 | 第13-14页 |
| 1.2.2 传统网络流量识别技术 | 第14-20页 |
| 1.2.3 移动网络流量相关研究 | 第20页 |
| 1.2.4 NetworkProfile | 第20-21页 |
| 1.3 论文研究内容 | 第21-22页 |
| 1.4 论文组织结构 | 第22-23页 |
| 第2章 流量识别相关基础 | 第23-35页 |
| 2.1 HTTP协议 | 第23-30页 |
| 2.1.1 HTTP协议简介 | 第23-24页 |
| 2.1.2 HTTP协议之URL | 第24-25页 |
| 2.1.3 HTTP协议请求 | 第25-26页 |
| 2.1.4 HTTP协议响应 | 第26-28页 |
| 2.1.5 HTTP协议消息报头 | 第28-30页 |
| 2.2 字符串 | 第30-31页 |
| 2.2.1 字符串定义 | 第30-31页 |
| 2.2.2 字符串的存储和实现 | 第31页 |
| 2.3 机器学习理论 | 第31-34页 |
| 2.3.1 基于有监督机器学习的方法 | 第32-33页 |
| 2.3.2 无监督机器学习 | 第33-34页 |
| 2.3.3 半监督机器学习 | 第34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 系统设计和实现 | 第35-52页 |
| 3.1 系统设计思路 | 第35-37页 |
| 3.2 流量收集器 | 第37-39页 |
| 3.2.1 安卓应用结构 | 第37-38页 |
| 3.2.2 流量收集器的结构 | 第38-39页 |
| 3.3 预处理器 | 第39-40页 |
| 3.3.1 HTTP分析 | 第39页 |
| 3.3.2 过滤 | 第39-40页 |
| 3.3.3 嵌入 | 第40页 |
| 3.4 聚类 | 第40-44页 |
| 3.5 指纹生成器 | 第44-51页 |
| 3.5.1 融合 | 第44-45页 |
| 3.5.2 生成 | 第45-46页 |
| 3.5.3 优化 | 第46-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 实验评估 | 第52-61页 |
| 4.1 实验环境 | 第52页 |
| 4.1.1 硬件环境 | 第52页 |
| 4.1.2 软件环境 | 第52页 |
| 4.1.3 实验对象 | 第52页 |
| 4.1.4 实验方法 | 第52页 |
| 4.2 实验过程 | 第52-59页 |
| 4.2.1 流量的收集 | 第52-53页 |
| 4.2.2 指纹提取 | 第53-54页 |
| 4.2.3 指纹匹配 | 第54-55页 |
| 4.2.4 系统评估 | 第55-58页 |
| 4.2.5 实验总结 | 第58-59页 |
| 4.3 性能评估 | 第59-60页 |
| 4.3.1 执行时间 | 第59页 |
| 4.3.2 复杂性 | 第59-60页 |
| 4.3.3 容错性 | 第60页 |
| 4.4 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 附录A 发表论文和参加科研情况说明 | 第68页 |
