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 基于半监督学习的流量分类方法
1.3.2 在线流量分类模型研究
1.3.3 分布式在线分类方法研究
1.4 论文的组织结构
第二章 网络流量识别技术的研究现状
2.1 基于端口的分类方法
2.1.1 基于端口分类方法的介绍
2.1.2 基于端口分类方法的原理
2.1.3 基于端口分类方法的分析
2.2 基于应用层负载特征的分类方法
2.2.1 应用层负载特征的分类技术简介
2.2.2 DPI技术原理
2.2.3 DPI技术分析
2.3 机器学习分类方法
2.3.1 机器学习方法简介
2.3.2 机器学习原理
2.3.3 基于机器学习的流量分类方法的分析
2.4 在线网络流量分类方法
2.4.1 集中式在线流量分类方法
2.4.2 分布式在线流量分类方法
2.5 本章小结
第三章 半监督聚类方法的研究
3.1 k-means聚类算法介绍
3.2 半监督算法Semi-kmeans
3.2.1 Semi-kmeans思想
3.2.2 Semi-kmeans算法的新功能
3.3 实验与分析
3.3.1 实验数据
3.3.2 流量特征
3.3.3 评价方法
3.3.4 实验结果
3.4 本章小结
第四章 在线流量分类模型
4.1 C4.5算法介绍
4.2 在线分类系统设计
4.2.1 部署具有准确应用类型标识的流量采集环境
4.2.2 流量转发
4.2.3 流量采集
4.2.4 基于有监督学习的在线流量分类模型
4.2.5 基于半监督学习的离线分类模型
4.2.6 分类结果验证
4.3 实验分析
4.3.1 基于有监督学习的在线分类
4.3.2 基于半监督学习验证在线分类结果
4.4 本章总结
第五章 分布式在线识别方法的研究
5.1 分布式在线识别方法
5.1.1 分布式概述
5.1.2 分布式在线识别方法
5.1.3 分布式在线流量识别模型的设计
5.2 分布式在线识别方法的仿真实验
5.2.1 仿真环境
5.2.2 仿真数据
5.2.3 仿真结果
5.3 本章小结
第六章 总结和展望
参考文献
致谢
附录