声明
摘要
第一章 绪论
1.1 论文的研究对象和内容
1.2 论文的研究背景和意义
1.3 论文的主要工作及创新点
1.3.1 在线流量特征的获取与分析
1.3.2 数据包抽样条件下的在线流量分类
1.3.3 特征选择对在线流量分类的优化
1.4 论文的组织结构
第二章 互联网流量特征的研究现状
2.1 端口特征
2.1.1 端口特征的相关概念
2.1.2 常见的端口特征
2.1.3 端口特征对流量分类的作用
2.2 应用负载特征
2.2.1 应用负载特征的相关概念
2.2.2 应用负载特征的分类
2.2.3 应用负载特征对分类的作用
2.3 统计特征
2.3.1 统计特征的定义
2.3.2 统计特征的分类
2.3.3 统计特征对流量分类的作用
2.4 主机行为特征
2.5 本章小结
第三章 在线流量分类特征的研究
3.1 在线流量分类对流量特征的要求
3.1.1 实时性要求
3.1.2 计算存储要求
3.1.3 可重新训练分类器
3.2 可用于在线流量分类的特征
3.2.1 选用统计特征的原因
3.2.2 在统计特征中进行的筛选
3.2.3 适用于在线流量分类的特征
3.3 模拟条件下验证特征对于在线流量分类的有效性
3.3.1 数据集
3.3.2 特征抽取
3.3.3 分类算法
3.3.4 结果分析
3.4 现实网络环境中验证特征对于在线流量分类的有效性
3.4.1 网络环境以及在线流量分类平台
3.4.2 实验结果分析
3.5 本章小结
第四章 基于抽样数据包的在线流量分类
4.1 面临的主要问题
4.2 基于数据包抽样的在线流量分类方法
4.3 特征的概率分布
4.3.1 获取概率分布的方法
4.3.2 概率分析
4.4 特征与应用类别的相关性分析
4.4.1 相关性分析方法
4.4.2 分析结果
4.5 不同数据集上的验证
4.5.1 分类准确率分析
4.5.2 延时分析
4.5.3 内存开销分析
4.6 本章小结
第五章 面向不同应用类型的流量特征的研究
5.1 特征选择简述
5.1.1 特征选择流程
5.1.2 特征选择对流量分类的影响
5.2 动态自适应特征选择机制
5.2.1 原理
5.2.2 实验分析
5.3 面向不同应用类型的特征选择机制
5.3.1 原理
5.3.2 实验分析
5.4 本章小结
第六章 总结和展望
参考文献
致谢
附录