第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 主动网络流水印技术
1.2.2 被动网络流量分析技术
1.3 论文工作
1.4 论文结构
第二章 相关技术研究
2.1 网络干扰
2.2 常见攻击方式
2.3 压缩感知
2.3.1 压缩感知理论
2.3.2 信号的稀疏表示
2.3.3 测量矩阵
2.3.4 信号重构
2.4 卷积神经网络
2.4.1 卷积神经网络结构
2.4.2 卷积神经网络训练过程
2.4.3 深度学习框架
第三章 基于流量特征图和卷积神经网络的流关联方法
3.1 问题描述
3.2 流关联方法
3.2.1 流关联模型
3.2.2 流量特征选择与提取
3.2.3 流量特征数据预处理
3.2.4 基于卷积神经网络的关联检测
3.3 实验与分析
3.3.1 实验环境
3.3.2 数据集的采集与预处理
3.3.3 卷积神经网络训练
3.3.4 时隙参数分析
3.3.5 网络抖动下检测率分析
3.3.6 包数量突变检测率分析
3.3.7 综合干扰下检测率分析
3.4 本章小结
第四章 基于压缩感知和卷积神经网络的流关联方法
4.1 问题描述
4.2 流关联方法
4.2.1 流关联模型
4.2.2 流量特征选择与提取
4.2.3 流量特征数据预处理
4.2.4 基于卷积神经网络的关联检测
4.3 实验与分析
4.3.1 实验环境
4.3.2 数据集的采集与预处理
4.3.3 卷积神经网络训练
4.3.4 测量矩阵性能比较
4.3.5 包数量突变的检测率分析
4.3.6 综合干扰下检测率分析
4.3.7 时间、存储复杂度比较
4.4 本章小结
第五章 流关联检测原型系统的设计与实现
5.1 系统框架介绍
5.1.1 系统整体框架
5.1.2 系统开发环境
5.2 系统模块分析
5.2.1 用户管理模块
5.2.2 流关联检测模块
5.3 系统模块功能实现与界面展示
5.3.1 用户管理模块实现
5.3.2 流关联检测模块实现
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
在学期间发表科研成果
江苏大学;
