导读:本文包含了深度流检测论文开题报告文献综述及选题提纲参考文献，主要关键词:network,traffic,traffic,characterization,traffic,monitoring,packet
深度流检测论文文献综述
杨洁,袁仑,林平,丛蓉,程钢[1]（2012）在《基于深度报文检测和深度流检测的骨干网流量特征分析(英文)》一文中研究指出Based on the massive data collected with a passive network monitoring equipment placed in China's backbone,we present a deep insight into the network backbone traffic and evaluate various ways for improving traffic classifying efficiency in this paper.In particular,the study has scrutinized the network traffic in terms of protocol types and signatures,flow length,and port distribution,from which meaningful and interesting insights on the current Internet of China from the perspective of both the packet and flow levels are derived.We show that the classification efficiency can be greatly improved by using the information of preferred ports of the network applications.Quantitatively,we find two traffic duration thresholds,with which 40% of TCP flows and 70% of UDP flows can be excluded from classification processing while the impact on classification accuracy is trivial,i.e.,the classification accuracy can still reach a high level by saving 85% of the resources.(本文来源于《中国通信》期刊2012年05期）
刘涛[2]（2010）在《深度流检测在对等网络中流量识别研究》一文中研究指出随着Internet的快速发展,P2P应用在网络中逐渐成为网络宽带的主要占有者,也成为网络业务的重要组成部分。P2P的技术在推动Internet网络发展的同时,也对网络带宽资源的网络拥塞、网络版权、网络流量的占用,而导致增加网络管理的难度、安全隐患等问题,这些问题都将阻碍正常网络业务的发展。能够有效识别并且对P2P应用的管理控制的背景下。P2P应用软件检测技术主要是深度包检测和深度流量检测法。深度包检测法不能检测出加密的和未知的对等网络流的应用,深度流量检测方法可以克服深度包检测方法的这个缺点。本文通过基于深度包检测的深度流量检测法识别出P2P流的应用系统。本文首先描述了P2P技术的基础理论,讨论了P2P技术的工作原理、技术特点,并且详细阐述在深度流量检测技术的模糊算法的叁种算法的应用研究。在以上研究分析的基础上,本文提出了一个能够识别未知P2P应用的应用系统研究技术。该系统使用模糊算法中的贝叶斯,决策树,神经网络进行模糊检测。叁种算法都是通过深度包检测出的结果作为理想输出集,采用相同的网络流量的特征,只有特征中包含足够的类别信息,才能够利用分类器实现正确的分类。在提取出特征后,可以有叁种算法进行训练,最后把分析结果进行显示。对贝叶斯的两个分类器-朴素贝叶斯和全贝叶斯的算法、训练结果、运行结果进行研究,实验研究表明朴素贝叶斯和全贝叶斯分类器能够快速准确的找到P2P流应用,朴素贝叶斯分类器准确度占据优势,全贝叶斯运行时间占据优势。对于决策树,实验表明决策树分类技术更能快速准确的定位P2P数据流,在实时处理大量数据方面更能体现决策树分类技术的效率与准确度。对于神经网络,实验表明神经网络检测出P2P数据流的准确性更高一些,在实时处理大量数据方面效率要低一些。测试结果表明,该系统能够有效检测出网络中已知或未知的P2P应用流量,有助于网络的带宽资源的管理,确保各项常规业务的正常运行。本文最后对工作进行了总结,并对下一步工作的方向进行了展望。(本文来源于《湖北工业大学》期刊2010-05-01）
丁佳颖,曹炳尧,顾蔚,殷超[3]（2009）在《IPv6网络中的深度流检测技术应用研究》一文中研究指出随着互联网的迅速发展,IPv4(internet protocol version4)协议在很多方面已经出现明显的局限,IPv6(internet protocol version6)应运而生,成为了下一代互联网建设的基础之一。深度流检测技术在IPv4网络的管理中应用越来越广泛,但由于IPv6协议与IPv4协议的差异性,该技术并不能简单地移植到IPv6网络中,必须设计一套全新的结合深度流检测的技术优势,并能对网络中的IPv6数据包进行有效识别和高效控制的管理系统。针对IPv6的协议特性,研究了深度流检测技术的应用方法,在MPC8572硬件平台上结合查找表单元的硬件查找功能,提出了一套针对IPv6协议的网络行为分析系统方案。本文的研究成果不仅填补了IPv6网络行为监管方面的系统方案空白,更为构建安全、高效的下一代网络提供了参考。(本文来源于《电子测量技术》期刊2009年08期）
深度流检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着Internet的快速发展,P2P应用在网络中逐渐成为网络宽带的主要占有者,也成为网络业务的重要组成部分。P2P的技术在推动Internet网络发展的同时,也对网络带宽资源的网络拥塞、网络版权、网络流量的占用,而导致增加网络管理的难度、安全隐患等问题,这些问题都将阻碍正常网络业务的发展。能够有效识别并且对P2P应用的管理控制的背景下。P2P应用软件检测技术主要是深度包检测和深度流量检测法。深度包检测法不能检测出加密的和未知的对等网络流的应用,深度流量检测方法可以克服深度包检测方法的这个缺点。本文通过基于深度包检测的深度流量检测法识别出P2P流的应用系统。本文首先描述了P2P技术的基础理论,讨论了P2P技术的工作原理、技术特点,并且详细阐述在深度流量检测技术的模糊算法的叁种算法的应用研究。在以上研究分析的基础上,本文提出了一个能够识别未知P2P应用的应用系统研究技术。该系统使用模糊算法中的贝叶斯,决策树,神经网络进行模糊检测。叁种算法都是通过深度包检测出的结果作为理想输出集,采用相同的网络流量的特征,只有特征中包含足够的类别信息,才能够利用分类器实现正确的分类。在提取出特征后,可以有叁种算法进行训练,最后把分析结果进行显示。对贝叶斯的两个分类器-朴素贝叶斯和全贝叶斯的算法、训练结果、运行结果进行研究,实验研究表明朴素贝叶斯和全贝叶斯分类器能够快速准确的找到P2P流应用,朴素贝叶斯分类器准确度占据优势,全贝叶斯运行时间占据优势。对于决策树,实验表明决策树分类技术更能快速准确的定位P2P数据流,在实时处理大量数据方面更能体现决策树分类技术的效率与准确度。对于神经网络,实验表明神经网络检测出P2P数据流的准确性更高一些,在实时处理大量数据方面效率要低一些。测试结果表明,该系统能够有效检测出网络中已知或未知的P2P应用流量,有助于网络的带宽资源的管理,确保各项常规业务的正常运行。本文最后对工作进行了总结,并对下一步工作的方向进行了展望。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
深度流检测论文参考文献
[1].杨洁,袁仑,林平,丛蓉,程钢.基于深度报文检测和深度流检测的骨干网流量特征分析(英文)[J].中国通信.2012
[2].刘涛.深度流检测在对等网络中流量识别研究[D].湖北工业大学.2010
[3].丁佳颖,曹炳尧,顾蔚,殷超.IPv6网络中的深度流检测技术应用研究[J].电子测量技术.2009
标签：Network; traffic; characterization; monitoring; packet;