1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 论文研究内容
1.4 论文组织架构
2 网络流量识别技术
2.1 流量识别的基本概念
2.1.1 网络流量的概念及特性
2.1.2 流量识别技术的评价指标
2.2 流量识别技术的发展
2.2.1 基于端口号的识别技术
2.2.2 基于深度包检测的识别技术
2.2.3 基于行为特性的识别技术
2.2.4 基于机器学习的识别技术
2.3 本章小结
3 基于加权对称不确定性的多阶段流量特征选择算法
3.1 特征选择分析
3.1.1 基本概念
3.1.2 特征选择算法分类
3.2 WPTS特征选择算法
3.2.1 整体架构
3.2.2 加权对称不确定性
3.2.3 皮尔逊相关性度量
3.2.4 禁忌搜索
3.2.5 WPTS特征选择算法
3.3 实验设计与结果分析
3.3.1 实验设计
3.3.2 实验结果和分析
3.4 本章小结
4 面向概念漂移的多分类器融合流量识别算法
4.1 集成学习模型
4.1.1 基本概念
4.1.2 分类模型
4.2 概念漂移
4.2.1 相关理论
4.2.2 检测方法
4.3 WCEP多分类器融合识别算法
4.3.1 整体架构
4.3.2 概念漂移的检测
4.3.3 基分类器的选择
4.3.4 分类权重的计算
4.3.5 WCEP多分类器融合算法
4.4 实验设计与结果分析
4.4.1 实验设计
4.4.2 实验结果和分析
4.5 本章小节
5 总结与展望
5.1 工作总结
5.2 研究展望
参考文献
附录
A.作者在攻读硕士学位期间参加的科研项目及得奖情况
B. 学位论文数据集
致谢
重庆大学;