当前位置:首页 > 工业技术
网络流量分类方法与实践  本科
网络流量分类方法与实践  本科

网络流量分类方法与实践 本科PDF电子书下载

工业技术

  • 电子书积分:10 积分如何计算积分?
  • 作 者:汪立东,钱丽萍主编
  • 出 版 社:北京:人民邮电出版社
  • 出版年份:2013
  • ISBN:9787115325068
  • 页数:204 页
图书介绍:本书讲解了网络流量分类技术的相关知识,首先介绍了网络协议、学习算法、网络流量数据集及其预处理技术、典型机器学习算法,在此基础上,介绍了基于端口、基于网络协议解析、基于深度包检测和基于统计学习的网络流量分类方法,阐述了各种方法的基本原理、技术挑战,跟踪分析了当前国内外研究进展。
《网络流量分类方法与实践 本科》目录

第1章 网络协议 1

1.1互联网简史 1

1.2 OSI参考模型 3

1.3 TCP/IP协议 4

1.3.1 TCP/IP协议模型 4

1.3.2 TCP与UDP 6

1.3.3 Ethernet Ⅱ帧格式 8

1.3.4 IPv4地址 9

1.3.5 IPv4报文 11

1.3.6 TCP报文 13

1.3.7 UDP报文 14

1.3.8 ICMP报文 15

1.4 IPv6 18

1.4.1 IPv6地址 18

1.4.2 IPv6报文 19

1.4.3 IPv6安全 20

第2章 网络流量数据集 23

2.1网络数据集格式 23

2.1.1 PCAP文件格式 24

2.1.2 NetFlow格式 25

2.2 PCAP数据采集 28

2.2.1数据采集方法 28

2.2.2常用捕包分析工具 29

2.2.3 Libpcap库 31

2.2.4数据集标注 34

2.2.5 NetFlow和IPFIX处理工具 35

2.3开放数据集 36

2.3.1 CAIDA数据集 36

2.3.2 UNIBS数据集 36

2.3.3 WIDE数据集 37

2.3.4 WITS数据集 38

2.4其他辅助工具 39

2.4.1匿名化处理工具 39

2.4.2 IP地址定位 40

第3章 数据预处理与评估 41

3.1数据清洗 41

3.2数据变换 42

3.2.1规范化 42

3.2.2离散化 42

3.3数据归约 43

3.4维规约与特征选择 44

3.5数据抽样 45

3.6数据分布分析 45

3.6.1简单度量指标 45

3.6.2数据分布评估方法 46

3.7数据集评估指标 47

3.8特征的相关性分析 48

3.8.1散布图 48

3.8.2卡方检验 49

3.8.3皮尔逊相关系数 50

第4章 机器学习方法 51

4.1 C4.5决策树 51

4.2贝叶斯方法 52

4.2.1贝叶斯定理 53

4.2.2朴素贝叶斯 54

4.2.3隐马尔可夫模型 54

4.2.4贝叶斯网络 55

4.3 K-最近邻算法 56

4.4支持向量机 58

4.4.1 SVM思想概述 58

4.4.2线性支持向量机 59

4.4.3非线性支持向量机与核函数 61

4.4.4 C-SVM、V-SVM与LS-SVM 62

4.4.5 LibSVM 63

4.5 K-均值聚类 63

4.6分类器评估指标 65

4.6.1关于分类器模型评估 65

4.6.2关于分类结果评估 66

第5章 网络流量分类技术概述 69

5.1基本概念 69

5.2方法与现状 70

5.2.1基于标准端口匹配 70

5.2.2基于DPI 70

5.2.3基于协议解析 71

5.2.4基于统计学习 72

5.2.5研究方法演进 73

5.3流量分类方法比较评估 74

5.4挑战 76

第6章 互联网流量特性分析 79

6.1随机过程 79

6.2自相似性 81

6.3长相关性 82

6.4 Hurst指数 83

6.4.1 R/S估计方法 84

6.4.2 Whittle最大似然估计方法 84

6.4.3小波估计方法 85

6.5重尾分布 86

6.6突发性 87

6.7特性计算及演进趋势分析 88

第7章 基于端口的网络流量分类 89

7.1典型端口分配 89

7.2 CAIDA CoralReef软件包 91

7.3布隆过滤器 91

第8章 基于协议解析的网络流量分类 95

8.1标准开放协议解析 95

8.1.1 TCP协议状态机 95

8.1.2 POP3协议状态机 98

8.1.3 HTTP协议状态机 99

8.2协议行为分析 102

8.2.1基于流量的分析方法 102

8.2.2基于软件逆向分析方法 113

第9章 基于DPI的网络流量分类 116

9.1 DPI产品概述 116

9.2多模式匹配算法 117

9.2.1 WM算法 117

9.2.2 AC算法 119

9.3正则表达式 120

9.4统计签名 124

9.5 L7filter 125

第10章 基于统计学习的网络流量分类方法 133

10.1流统计特征 133

10.2流特征生成工具 137

10.3时间复杂度分析 138

10.3.1学习算法的时间复杂度 139

10.3.2流统计特征计算的时间复杂度 140

10.4文献方法列举 141

10.5机器学习软件包WEKA 153

10.5.1 WEKA数据文件格式 153

10.5.2 WEKA GUI菜单 155

10.5.3 WEKA Explorer 156

10.5.4 WEKA预处理 157

10.5.5 WEKA分类 159

10.5.6 WEKA聚类 165

10.5.7 WEKA关联分析 165

第11章 SIP和H.323 VoIP流量检测 166

11.1概述 166

11.1.1简介 166

11.1.2发展历程 167

11.1.3协议体系 167

11.2 VoIP流量检测 170

11.2.1检测分析功能 170

11.2.2检测分析原理 171

11.2.3检测分析系统 172

第12章 Skype流量识别分类方法 174

12.1引言 174

12.2 Skype发展现状 175

12.3 Skype流量识别方法 177

12.4两种方法测试结果 180

12.4.1基于应用行为的Skype识别方法测试结果 180

12.4.2基于关键字的Skype识别方法 182

12.4.3 Skype真的没有官方服务器么? 184

12.5小结 185

附录:词汇表 187

参考文献 194

返回顶部