首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

面向移动恶意应用流量的非平衡识别方法研究

摘要第6-7页
abstract第7-8页
第一章 绪论第9-13页
    1.1 研究背景和意义第9-11页
    1.2 研究内容和创新点第11-12页
    1.3 论文组织结构第12-13页
第二章 国内外研究现状第13-19页
    2.1 流量识别研究现状第13-16页
        2.1.1 特征提取第14页
        2.1.2 早期流量识别第14-15页
        2.1.3 包抽样研究第15页
        2.1.4 恶意流量识别研究第15-16页
    2.2 非平衡分类问题第16-18页
        2.2.1 数据层面第16-17页
        2.2.2 算法层面第17-18页
    2.3 本章小结第18-19页
第三章 恶意流量统计特征提取方法研究第19-32页
    3.1 数据集第19-20页
    3.2 数据预处理第20-21页
        3.2.1 TCP流汇聚第20页
        3.2.2 过滤老鼠流第20-21页
    3.3 统计特征的提取第21页
    3.4 包层面的统计特征第21-24页
        3.4.1 特征提取第21-22页
        3.4.2 实验环境与参数设置第22-23页
        3.4.3 实验结果与分析第23-24页
    3.5 内容层面的统计特征第24-29页
        3.5.1 特征提取第24-26页
        3.5.2 特征选择第26页
        3.5.3 建立模型第26-27页
        3.5.4 实验结果与分析第27-29页
    3.6 包抽样第29-31页
    3.7 本章小结第31-32页
第四章 恶意应用流量的非平衡识别模型第32-50页
    4.1 恶意应用流量识别中的非平衡问题第32-34页
        4.1.1 非平衡数据集第32-33页
        4.1.2 评价准则第33-34页
    4.2 基于对抗生成网络的非平衡数据再生成方法第34-41页
        4.2.1 对抗生成网络第35-36页
        4.2.2 合成数据第36-38页
        4.2.3 实验结果与分析第38-41页
    4.3 非线性加权差异化样本重采样方法第41-45页
        4.3.1 Sigmoid型函数样本重采样方法第41-44页
        4.3.2 实验结果与分析第44-45页
    4.4 基于差分进化算法样本重采样方法第45-48页
        4.4.1 DESMOTE算法第46-48页
        4.4.2 实验结果与分析第48页
    4.5 本章小结第48-50页
第五章 恶意流量识别系统设计第50-53页
    5.1 系统结构第50页
    5.2 系统模块设计第50-53页
        5.2.1 流量预处理第50-51页
        5.2.2 流量识别第51-53页
第六章 结论与展望第53-55页
参考文献第55-60页
致谢第60-61页
附录第61-62页

论文共62页,点击 下载论文
上一篇:钢球表面缺陷检测用双波长同轴光纤传感器研究
下一篇:基于神经网络和蚁群算法的木材干燥过程含水率预测研究