声明
摘要
第1章 绪论
1.1 研究背景
1.2 研究现状
1.3 研究内容
1.4 论文结构
第2章 网络流分类和Hadoop相关技术
2.1 网络数据流
2.2 网络流分类技术
2.2.1 基于端口的分类方法
2.2.2 基于载荷特征的分类方法
2.2.3 基于流统计特征的分类方法
2.2.4 基于主机行为特征的分类方法
2.2.5 基于图的技术
2.3 正则表达式匹配技术
2.3.1 正则表达式
2.3.2 非确定型有限自动机匹配技术
2.3.3 确定型有限自动机匹配技术
2.3.4 NFA与DFA的比较
2.4 Hadoop云平台技术研究
2.4.1 云计算思想
2.4.2 Hadoop云平台的优势
2.4.3 Hadoop的工作机制
2.4.4 Hadoop平台的参数调优
2.4.5 Hadoop Streaming技术
2.5 本章小结
第3章 优化的DFA正则表达式匹配引擎
3.1 选择DFA引擎的原因
3.2 DFA引擎的不足
3.3 优化的DFA空间压缩技术
3.3.1 DBDFA的基本思想
3.3.2 问题形式化描述
3.3.3 DBDFA构造思路
3.3.4 一个例子
3.3.5 DBDFA算法描述
3.3.6 DBDFA匹配过程
3.4 改善的DFA状态匹配技术
3.4.1 快速匹配失败机制
3.4.2 优化的缓存技术
3.5 实验验证及结果
3.5.1 实验环境
3.5.2 DBDFA的压缩效率
3.5.3 DBDFA的匹配效率
3.6 本章小结
第4章 基于Hadoop云平台的网络流分类系统
4.1 Hadoop下的网络流分类技术难题
4.2 支持二进制流输入格式的MapReduce模型
4.3 基于Hadoop的网络流分类模块
4.4 实验验证及结果
4.4.1 实验环境
4.4.2 匹配效率对比
4.5 本章小结
第5章 总结与展望
5.1 本文工作总结
5.2 未来工作展望
参考文献
附录
致谢
在读期间发表的学术论文与取得的其他研究成果