基于流特征的加密流量识别技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题背景 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·本文的研究内容 | 第14-15页 |
| ·本文的组织结构 | 第15-17页 |
| 第2章 加密流量识别技术概述 | 第17-26页 |
| ·加密协议分析 | 第17-20页 |
| ·Skype应用协议分析 | 第17-18页 |
| ·Google Talk应用协议分析 | 第18页 |
| ·SSH应用协议分析 | 第18-20页 |
| ·流量识别方法概述 | 第20-25页 |
| ·基于端口的流量识别技术 | 第20-21页 |
| ·深层数据包检测技术 | 第21-22页 |
| ·基于机器学习的流量识别技术 | 第22-24页 |
| ·基于行为特征的流量识别技术 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于流特征的流量识别技术研究 | 第26-45页 |
| ·数据包负载随机性检测 | 第26-31页 |
| ·数据包负载随机性检测的目的 | 第26页 |
| ·数据包负载随机性检测的方法 | 第26-30页 |
| ·Skype加密流量的负载随机特性 | 第30-31页 |
| ·基于机器学习的识别方法 | 第31-38页 |
| ·机器学习算法概述 | 第31-34页 |
| ·机器学习算法的选择 | 第34-35页 |
| ·C4.5 决策树分类模型 | 第35-38页 |
| ·基于有效负载的识别方法 | 第38-43页 |
| ·Skype的有效负载 | 第39-41页 |
| ·Google Talk的有效负载 | 第41-42页 |
| ·SSH的有效负载 | 第42-43页 |
| ·基于数据包大小分布的识别方法 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于流特征的加密流量识别系统的设计与实现 | 第45-58页 |
| ·流量采集模块 | 第45-47页 |
| ·加密流量识别模块 | 第47-53页 |
| ·加密流量识别方法及总体设计 | 第47-50页 |
| ·负载随机性检测方法的设计 | 第50-51页 |
| ·机器学习检测方法的设计 | 第51-52页 |
| ·有效负载检测方法的设计 | 第52页 |
| ·数据包大小分布检测方法的设计 | 第52-53页 |
| ·加密协议的识别 | 第53-57页 |
| ·Skype流量识别 | 第53-54页 |
| ·Google Talk流量识别 | 第54-56页 |
| ·SSH流量识别 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 基于流特征的加密流量识别系统的效率评估 | 第58-72页 |
| ·系统开发和运行环境 | 第58页 |
| ·数据集获取 | 第58-59页 |
| ·四种流量识别方法的效率评估 | 第59-69页 |
| ·基于负载随机性的检测方法效率评估 | 第60-63页 |
| ·基于机器学习的检测方法效率评估 | 第63-65页 |
| ·基于有效负载的检测方法效率评估 | 第65-67页 |
| ·基于数据包大小分布的检测方法效率评估 | 第67-69页 |
| ·加密流量识别系统的效率评估 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读学位期间发表的学术论文 | 第78-80页 |
| 致谢 | 第80页 |
