基于MMTD的网络流量应用识别方法
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题背景 | 第8-9页 |
| ·研究意义与目标 | 第9页 |
| ·主要研究内容和创新点 | 第9-10页 |
| ·论文结构 | 第10-12页 |
| 第二章 流应用识别的一般方法 | 第12-19页 |
| ·端口识别方法 | 第12-13页 |
| ·DPI 网络分组识别方法 | 第13页 |
| ·基于数据流连接行为的网络分组识别方法 | 第13-14页 |
| ·基于机器学习的网络分组识别方法 | 第14-16页 |
| ·机器学习 | 第14-15页 |
| ·机器学习在网络分组识别领域的应用 | 第15-16页 |
| ·网络流应用识别的难点和重点 | 第16-17页 |
| ·P2P 技术 | 第16-17页 |
| ·流媒体技术 | 第17页 |
| ·本章小结 | 第17-19页 |
| 第三章 基于MMTD 的流应用识别方法 | 第19-33页 |
| ·中介真值程度的度量 | 第19-22页 |
| ·中介数学系统简介 | 第19-20页 |
| ·中介真值程度的度量MMTD | 第20-21页 |
| ·集合真值程度的度量 | 第21-22页 |
| ·网络流 | 第22-26页 |
| ·流的定义 | 第22页 |
| ·流的属性 | 第22-24页 |
| ·一些主要应用的流量特征 | 第24-26页 |
| ·识别方法 | 第26-32页 |
| ·MMTD 在流应用识别方法中的运用 | 第26-28页 |
| ·识别测度选取和真值间隔区分 | 第28-30页 |
| ·算法 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 一种改进的基于MMTD 的流识别方法 | 第33-48页 |
| ·基于MMTD 的流应用识别的机器学习过程 | 第33-39页 |
| ·应用流的统计 | 第34-35页 |
| ·测度的选取 | 第35-36页 |
| ·真值程度的精确计算方法 | 第36-38页 |
| ·用于应用识别的流测度的标准度参数计算 | 第38-39页 |
| ·系统实现与结果分析 | 第39-46页 |
| ·流量采集模块 | 第39-41页 |
| ·流统计结果分析 | 第41-44页 |
| ·实验结果 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第五章 识别方法的模糊程度和不确定性 | 第48-61页 |
| ·模糊性和不确定性 | 第48-49页 |
| ·识别方法的模糊程度度量 | 第49-55页 |
| ·识别方法的二相不确定性度量 | 第55-59页 |
| ·本章小结 | 第59-61页 |
| 第六章 总结 | 第61-63页 |
| ·本文工作总结 | 第61-62页 |
| ·进一步工作展望 | 第62-63页 |
| 缩略词 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间参与科研情况和取得的成果 | 第68页 |
