网络流量识别关键技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-29页 |
| ·论文背景 | 第12-18页 |
| ·网络应用规模的发展 | 第12-14页 |
| ·网络发展面临的挑战 | 第14-16页 |
| ·网络流量识别技术的应用 | 第16-18页 |
| ·国内外研究现状 | 第18-24页 |
| ·网络流量识别技术研究现状 | 第18-23页 |
| ·现有技术存在的不足 | 第23-24页 |
| ·本文的主要工作 | 第24-27页 |
| ·本文的组织和安排 | 第27-29页 |
| 第二章 网络流量识别方法 | 第29-44页 |
| ·引言 | 第29-30页 |
| ·基础定义 | 第30-33页 |
| ·数据帧 | 第30-31页 |
| ·数据流 | 第31页 |
| ·网络流量识别 | 第31-32页 |
| ·判别指标 | 第32-33页 |
| ·网络流量识别方法 | 第33-41页 |
| ·基于网络端口的识别方法 | 第33-34页 |
| ·基于深度报文检测的识别方法 | 第34-38页 |
| ·基于行为特征的识别方法 | 第38-39页 |
| ·基于数据挖掘的识别方法 | 第39-41页 |
| ·识别方法的对比分析 | 第41-43页 |
| ·小结 | 第43-44页 |
| 第三章 网络流量识别规则自动提取算法 | 第44-67页 |
| ·引言 | 第44-45页 |
| ·相关工作 | 第45-48页 |
| ·网络流量识别规则自动提取算法 | 第48-57页 |
| ·基础概念 | 第48-51页 |
| ·问题定义 | 第51页 |
| ·算法描述 | 第51-55页 |
| ·关于偏移属性约束 | 第55-57页 |
| ·实验结果与算法分析 | 第57-66页 |
| ·实验设计 | 第57-60页 |
| ·实验结果 | 第60-63页 |
| ·算法分析 | 第63-66页 |
| ·小结 | 第66-67页 |
| 第四章 基于半监督学习的流量识别算法 | 第67-85页 |
| ·引言 | 第67-68页 |
| ·相关工作 | 第68-71页 |
| ·基于半监督学习的流量识别算法 | 第71-77页 |
| ·基础概念 | 第71-73页 |
| ·问题定义 | 第73-74页 |
| ·算法描述 | 第74-77页 |
| ·实验结果与算法分析 | 第77-84页 |
| ·实验设计 | 第77-80页 |
| ·实验结果 | 第80-82页 |
| ·算法分析 | 第82-84页 |
| ·小结 | 第84-85页 |
| 第五章 网络流量识别控制系统 | 第85-112页 |
| ·引言 | 第85-87页 |
| ·相关工作 | 第87-90页 |
| ·网络流量识别控制系统 | 第90-99页 |
| ·设计目标 | 第90-91页 |
| ·系统架构 | 第91-93页 |
| ·模块功能 | 第93-98页 |
| ·部署方式 | 第98-99页 |
| ·基于滑动窗口的流量旁路限速方法 | 第99-104页 |
| ·基于干扰包的流量控制方法 | 第99-101页 |
| ·TCP协议滑动窗口 | 第101-102页 |
| ·方法描述 | 第102-103页 |
| ·方法实例 | 第103-104页 |
| ·网络流量识别吞吐量评估模型 | 第104-109页 |
| ·吞吐量制约因素 | 第104-106页 |
| ·评估模型 | 第106-107页 |
| ·模型实例 | 第107-109页 |
| ·小结与展望 | 第109-112页 |
| 第六章 结论与展望 | 第112-115页 |
| 参考文献 | 第115-125页 |
| 致谢 | 第125-126页 |
| 攻博期间完成的论文和专利 | 第126页 |
