基于机器学习的VoIP流量识别技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-13页 |
| ·研究背景 | 第10页 |
| ·研究现状 | 第10-11页 |
| ·研究目的及意义 | 第11-12页 |
| ·本文主要研究内容和组织结构 | 第12页 |
| ·本章小结 | 第12-13页 |
| 第二章 技术背景 | 第13-30页 |
| ·VoIP简介 | 第13-14页 |
| ·VoIP相关协议 | 第14-20页 |
| ·H.323协议 | 第14-15页 |
| ·SIP协议 | 第15-17页 |
| ·RTP/RTCP协议 | 第17-18页 |
| ·Skype协议 | 第18-20页 |
| ·机器学习 | 第20-27页 |
| ·隐含马尔可夫模型 | 第21-22页 |
| ·人工神经网络 | 第22-24页 |
| ·朴素贝叶斯 | 第24-25页 |
| ·遗传算法 | 第25-27页 |
| ·VoIP流量识别方法 | 第27-28页 |
| ·基于主机行为特征的流量识别方法 | 第27页 |
| ·基于SIP和H.323协议的流量识别方法 | 第27-28页 |
| ·基于流量特征提取的识别方法 | 第28页 |
| ·本章小结 | 第28-30页 |
| 第三章 基于机器学习的VOIP流量识别 | 第30-39页 |
| ·主机行为特征 | 第30-31页 |
| ·流量行为特征 | 第31-32页 |
| ·机器学习流量识别 | 第32-38页 |
| ·流量特征选择 | 第33-34页 |
| ·贝叶斯网络 | 第34-35页 |
| ·贝叶斯网络训练 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 实验方法及结果分析 | 第39-47页 |
| ·实验环境 | 第39页 |
| ·实验数据集 | 第39-41页 |
| ·分类方法评价指标 | 第41页 |
| ·实验结果分析 | 第41-45页 |
| ·分类检测结果 | 第41-43页 |
| ·不同机器学习算法的比较 | 第43-44页 |
| ·特征参数数量与精度之间的关系 | 第44-45页 |
| ·实验总结 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 总结和展望 | 第47-48页 |
| ·全文总结 | 第47页 |
| ·技术展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 在校期间发表的论文、科研成果等 | 第51-52页 |
| 致谢 | 第52页 |
