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 |
