一、网络传输TCP的马尔可夫过程建模（论文文献综述）
符永铨,赵辉,王晓锋,刘红日,安伦[1]（2022）在《网络行为仿真综述》文中进行了进一步梳理网络行为描述了网络上各类元素对象动态交互过程.它以各类网络服务协议及应用为运行载体,形成不断变化的丰富多样的网络行为,反映出网络拓扑结构给定时间内网络上的场景特点.网络行为仿真主要包括运行框架、背景流仿真、前景流仿真,将生产网络环境下网络行为按需映射到测试网络环境,提供一种按需灵活定制仿真再现能力.网络仿真应用场景不断发展,包括性能分析评估、产品和技术验证、网络入侵检测、网络攻防演练与研究发展等.为总结现有研究成果和存在的不足,分析未来发展趋势,梳理了网络行为仿真的相关概念和研究框架,从框架、背景流、前景流等技术层面总结了网络行为仿真的国内外研究现状,并对相关商业产品和开源软件工具进行了系统地分析调研,最后对网络行为仿真的未来发展进行了展望.
张宇明[2]（2021）在《面向边缘计算的智慧标识网络资源协同与适配机制研究》文中提出随着网络设备数量与流量规模的持续增长,边缘计算已成为当今网络环境下提升服务质量、增强用户体验的关键技术。然而,传统网络技术“静态、僵化”的原始设计弊端,导致其在跨网资源利用、差异化服务保障等方面的能力不足,进而难以为边缘计算提供高效的支撑。为此,设计基于新型网络架构与技术的边缘计算网络已成为国内外相关研究领域的共识。智慧标识网络作为新型网络架构的一种,在资源适配、网络管控等方面具有显着优势,为边缘计算的高效运行提供了良好的架构基础。为此,本文依托于智慧标识网络的设计理念,就网络资源的协同与适配开展研究,重点解决边缘计算所面临的任务卸载性能评估、传输与存储资源协同、差异化服务资源提供等问题。本文的主要工作和创新点如下:（1）针对终端设备与边缘服务器之间的任务卸载问题,设计了基于智慧标识网络的管控框架,构建了基于端-边协同的任务卸载性能评估模型。首先,将任务卸载问题描述为一个多队列系统;随后,使用马尔可夫链对两种卸载策略（本地优先策略和基于概率的策略）进行分析,并推导出任务平均响应时间与系统平均能耗的闭式解;在此基础上,构建了一个基于优化的资源适配方法,同时考虑终端需求、计算资源与传输资源;最后,实验结果显示,所提评估模型能够准确反映卸载策略的性能,所提资源适配方法可以动态调整资源的适配策略,满足不同终端的需求。（2）针对边缘网络之间的传输资源协同问题,设计了基于智慧标识网络的传输组件功能模型,提出了基于随机优化的边缘资源协同传输调度机制。首先,使用队列调度模型对基于资源协同的传输调度问题进行描述,并构建了一个随机优化问题;随后,将上述问题进行转化和分解,提出了一种低复杂度的控制算法,可以实现基于即时网络状态的传输策略制定;最后,通过仿真实验,验证了所提算法能够在不损失吞吐量的前提下,有效降低数据包的队列等待时间。（3）针对边缘网络之间的存储资源协作问题,设计了基于智慧标识网络的缓存组件功能模型,提出了基于多代理强化学习的边缘协作缓存方法。首先,构建了协作缓存的优化问题,并证明该问题是NP-hard;随后,将强化学习与所提缓存组件相结合,设计了一个协作缓存框架;在此基础上,提出了一种基于多代理强化学习的协作缓存算法,并将其输出定义为低复杂度的缓存策略,在降低学习模型复杂度的同时,为每个缓存节点提供一定的性能保障;最后,通过仿真实验,验证了所提算法能够从全局的角度出发,牺牲单个节点的本地命中率,提升整体的命中率。（4）针对边缘服务器与云服务器之间的任务卸载和服务资源适配问题,设计了基于智慧标识网络的资源适配框架,提出了基于服务功能切换的云-边资源协同适配机制。首先,构建了一个随机优化模型,对基于服务功能切换的资源适配问题进行描述,旨在最大化任务处理收益与最小化服务切换代价;随后,利用虚拟队列技术,将任务需求与服务资源进行关联,并提出了一个低复杂度的任务卸载与资源适配算法;在此基础上,引入任务的主动拒绝机制,对上述算法进行改进,使其能够提供确定的时延保障;最后,通过仿真实验,验证了所提算法均能有效降低任务的等待时间,并且可以提供基于服务功能切换的差异化资源适配策略。
唐凡桓[3]（2021）在《面向视频传输的网络层与应用层QoS映射模型研究》文中进行了进一步梳理随着视频编解码技术在互联网领域的快速革新,以视频传输为主的多媒体通信已经逐渐发展为IP网络中的主要业务。虽然现在主流的H.264视频编解码技术较以往具有更优秀的压缩性能,但由于IP网络本身提供的是“尽力而为”的服务,视频在网络信道进行传输时,难免会遭受到网络丢包、延迟和抖动等影响,而大规模网络视频传输业务往往对传输质量提出很高的要求。因此,通过建立参数映射模型来提前评估网络视频传输的质量,并根据评估结果重新规划网络传输线路或者传输的视频类型,这对网络运营商和视频服务提供商合理配置网络资源以及提升用户的体验质量（Quality of Experience,QoE）具有重要的实际应用价值。针对上述问题,本论文提出了一种面向视频传输的网络层与应用层QoS（服务质量,Quality of Service）关联映射模型,该模型在实际应用时无需通过获取真实的视频流进行分析,只需要在视频传输业务开展之前根据承载该业务的网络和待传输视频的部分参数即可预测视频画面失真情况,实际测试表明,该模型能在计算复杂度较低的情况下较好地预测云网环境中传输不同视频类型的视频质量。本论文的主要工作分为以下几个方面:（1）首先对引起网络视频失真的两大因素即网络信道传输失真和视频编解码失真分别进行了研究分析,其次介绍了网络视频质量评估方法的研究现状,最后结合本论文的研究目标,对本论文适合采用的映射评估模型进行了分析。（2）针对网络传输中影响视频失真的主要因素,即网络丢包从产生的原因入手分析其存在的特性,并对描述不同网络丢包特性的模型从实用性和模型的适用场景等角度进行了分析。（3）结合选取的网络丢包模型对GoP（画面组,Groupof Pictures）内丢帧以及视频画面失真指标建立两层映射模型,最后在实际的云网环境中测试并验证本论文提出的参数映射模型的有效性。
谢泰荣[4]（2021）在《面向电力监测的窄带物联网终端能耗优化研究》文中研究指明随着万物互联时代的到来,物联网技术得到了前所未有的发展。以窄带物联网为代表的低功耗广域覆盖技术应运而生,同时也成为了智能电网进一步发展的强大动力。然而在面向电力井盖和电力管廊等应用场景中的电力监测时,如何延长终端的使用寿命依然是一个难题。虽然这类监测所获取的数据量较小,但电力监测终端分布范围广且所处的地理环境复杂多样,往往难以更换监测终端的电池,从而限制了终端的生存期。因此,在电力监测场景下,研究面向电力监测的LPWA终端能耗优化具有重要的意义。本文主要研究内容如下:（1）针对面向电力监测的NB-IoT终端的能耗优化问题,本文以电力监测终端承载的体量最大且最为基础的周期主动上报业务为例,构建了基于马尔可夫的终端状态转换模型。该模型的优点是首次加入了终端掉线状态,同时将终端连接状态和休眠状态进一步分成随机接入状态、数据收发状态、短周期休眠状态和长周期休眠状态,从而进一步细化了终端能量的耗散源。然后根据该模型提出相应的能耗、时延分析模型,通过系统的分析得出NB-IoT终端状态的能耗分布情况,为NB-IoT终端能耗优化研究提供有针对性的优化方向,同时根据分析结果给出了终端参数配置方案。（2）随机接入状态中出现严重的网络拥塞时会消耗NB-IoT终端大量的能量。首先通过分析随机接入过程中的ACB策略的工作过程,对面向电力监测的网络负载建立数学模型,并对网络负载的变化进行预测估计。然后根据网络负载预测结果构建一个自适应参数更新函数,对随机接入限制因子p进行自适应更新,以最大化系统吞吐量。之后结合NB-IoT电力监测终端中不同终端的任务优先级需求,提出了以时延为导向的终端接入优先级分类方案。最后综合以上分析提出了mACB算法。仿真结果表明,与ACB算法和EAB算法相比,本文算法可以在大规模NB-IoT终端随机接入的场景下保持更高的接入成功率和更低的接入平均时延,可以有效避免NB-IoT终端在进行随机接入过程时因网络拥塞而消耗大量的能量。（3）以面向电力井盖的监测任务为例,设计了一个面向电力井盖监测的NB-IoT终端低能耗系统。本文从硬件芯片选择、程序控制与硬件电路相互结合、数据传输协议与平台算法相互结合等方面出发进行低能耗系统设计,同时还为终端设计了终端附网方案和数据传输方案,从而达到降低终端能耗的目的。
倪嘉慧[5]（2021）在《基于工业控制系统的异常流量检测算法的研究》文中研究指明伴随着工业控制系统的演变,工业控制系统与互联网技术相互交融,工业控制系统应需求逐渐向开放过渡。因此这使得原本相对独立封闭的网络环境暴露在大众面前。目前针对工业控制网络安全问题的研究远不如对互联网的安全研究,但近年来呈现上升趋势。工控网络的安全又是十分重要的,它影响着国家的命脉。因此本文主要针对工业控制系统中网络流量展开研究。本文的主要工作内容如下:1、对工业控制系统中基线的分析与预测算法进行研究。通过分析工控流量了解流量的各种特点。采用统计学的分析方法对基线进行分析。然后研究深度学习、时间序列等内容,提出一种模型与检测流程。2、对工控网络流量的周期性异常检测算法进行研究。从宏观与微观角度说明工控网络里流量呈现出的周期性特征。然后调研并根据处理后流量分类为字符序列与数值序列。首先编码流量特征,生成序列。再对序列震荡现象提出平滑滤波算法,在保持周期性的同时平滑曲线,进行多轮不同起始位置运算后,通过投票法票选结果。3、对工控协议字段的异常检测算法进行研究。首先对工控协议的字段的功能进行剖析。研究马尔可夫模型的特性,阐述字段序列的特征。然后通过特征提取、状态构建将流量特征转化为状态。再根据时序特征将状态串联起来构成状态序列,检测该序列的情况。4、对提出的工业控制系统的异常流量检测算法测试。首先对基线的分析与预测算法进行测试,通过实验尝试各种指标参数,并模拟攻击流量,将流量混合到正常流量中进行测试能很好检测出来。然后对流量的周期性异常检测算法进行测试,通过使用多种序列进行测试证明算法的有效。最后对工控协议字段的异常检测算法测试,通过构造多种导致字段异常的情况,证明了该检测算法的有效性。
佟欣欣[6]（2021）在《基于深度学习的加密流量识别研究》文中提出随着网络技术的飞速发展,各种网络应用与服务层出不穷,网络流量呈现爆炸性增长。与此同时,网络安全问题也逐渐成为关注的热点,随着人们安全意识的增强,加密技术得到了广泛应用,使得网络中的加密流量不断上升。但加密这把双刃剑,其在保护用户隐私的同时,还为窃听者提供了机会,因此,作为提升网络管理水平、改善网络服务质量以及维护网络安全的重要基础,网络加密流量的准确识别成为亟待解决的问题。然而传统的流量识别算法由于端口隐匿、特征提取困难以及加密协议的出现而不再起作用。虽然将机器学习算法与手工设计相结合一度成为解决这一问题的主流方法,但它需要大量的人力来提取和处理特征,这在很大程度上依赖于先验知识。因此本文利用能自动提取出加密流潜在特征的深度学习技术展开对网络加密流量识别的研究。本文的主要工作概括如下:1、提出网络加密流量识别的特征选择方法。针对目前对网络加密流的识别需求以及对网络流加密原理和相关协议的分析,本文分别针对应用类型和内容类型的识别提取多种数据流特征,如加密协议状态序列、数据包长度、有效载荷等,同时针对加密数据流的多阶段特点-握手协商阶段、数据传输阶段,在上述特征基础上提取加密协议扩展字段信息以及TCP数据段的长度序列,最后根据特征的不同形式利用不同的算法模型进行结果测试,分析并选出对识别加密流效果最好的特征。2、提出多阶段特征融合的加密流量识别算法。针对当前研究学者只考虑加密流的单任务识别现状,本文利用选择出的多阶段特征实现多任务的识别,且经过相关实验效果对比与多阶段特征的可视化分析,进一步提出针对不同识别任务的多阶段特征融合算法来提高加密流量的识别效果。实验结果表明,多阶段特征的融合不仅提高了单任务的识别效果,其识别结果的关联效果也优于其他方案对多任务的识别。3、设计并实现了在线网络加密流量分类的原型系统。针对当前实时加密流量识别分类的需求,本文以上述多阶段特征融合算法为理论支撑,提出在线加密流量识别系统的功能框架。本文从离线训练和在线识别角度阐述系统的具体实现过程,并且将识别效果通过前后端界面进行可视化。
于丹[7]（2020）在《大规模在线物联网设备的细粒度识别技术研究》文中指出随着LoRa、NB-IoT以及5G等通信技术的发展,物联网设备数量与日俱增,物联网安全也日益成为物联网应用关注的热点。物联网设备识别是物联网设备安全评估、防护和升级的必备前提,设备识别的目标是确定设备的类型、品牌、型号和固件版本等属性信息,尤其是细粒度的设备型号和固件版本信息,与设备漏洞直接关联,能够更准确的反映出设备的安全状态。然而面对物联网设备数量庞大、品牌类型繁多以及服务协议混杂等现实存在的问题,物联网设备的识别在识别精度、识别粒度、特征空间以及识别时效性等方面受到诸多挑战。本文采用主动设备识别技术,从标语、字段以及Web管理平台等多个方面开展研究,利用多协议融合、重传机制、跨层协议以及弱口令漏洞等各种技术和策略,实现了对设备型号和固件版本的细粒度识别。本文的创新性工作和主要贡献如下:（1）针对多协议标语识别的时间开销和识别精度平衡难题,本文提出了一种多协议探测优化调度机制来实现基于多协议标语的设备识别。利用强化学习思想,将物联网设备多协议探测报文的调度问题建模为马尔可夫决策过程;通过统计每种协议标语中所含设备属性信息的概率,构建基于标语设备识别过程的马尔可夫状态转移矩阵,改进了现有的价值迭代算法,生成最优协议探测序列;实验验证结果表明所提出的方法显着提高了设备识别的准确率和时间效率,并在路由器和打印机类设备上进一步验证了该算法的可扩展性。（2）针对TCP协议字段特征设备差异性不足的问题,本文设计了一种基于重传TCP报文字段特征的物联网设备识别方法。通过改进TCP三次握手机制,设计了一种无连接的重传TCP报文探测规则,高效获取报头字段来增加设备识别的指纹粒度,并通过量化各类设备字段特征的一致性和差异性筛选出不同的特征字段组合,利用Bagging集成分类器实现动态的物联网设备识别机制,并通过实验验证了该识别方法的高效性和准确性。（3）针对单协议字段特征设备差异性不足的问题,本文利用HTTP和TCP协议在物联网场景下的通用性优势,提出了一种基于跨层协议字段特征的大规模细粒度设备识别方法。基于TCP三次握手过程设计了一组跨层报文探测策略,高效获得了5种跨层响应报文;通过设计字段特征的一致性和差异性度量标准,筛选出HTTP和TCP跨层协议的特征字段,并利用CNN+LSTM+Soft Max神经网络模型实现了跨层设备识别的原型系统,通过实验验证了跨层协议在设备型号识别准确率和召回率上的有效性。（4）针对固件源码分析困难的现实挑战,本文另辟蹊径,通过对物联网设备Web管理页面的内容分析,提出了一种基于弱口令的大规模细粒度设备固件识别方法。利用物联网设备普遍存在的弱口令漏洞获取在线物联网设备的Web管理页面内容,并通过设计自动化的登录页面特征聚类方法和网页内容分块分析算法,获取固件版本所在页面,利用正则表达式实现固件版本的识别。实验结果也验证了该方法在设备固件识别中的有效性。
栾干[8]（2020）在《自相似流量队列分析及其仿真工具设计》文中研究说明近些年来,随着网络应用数量的增加,大量音频视频信息在网络中传输,流量的自相似特性越来越显着。前人研究表明,产生自相似流量的原因包括:数据包的大小呈现重尾分布、流量受拥塞控制算法调控、网络中ON/OFF数据源的增加、网络硬件的处理能力有限和网络用户的各种操作习惯等。自相似流量的剧增造成了网络拥塞和数据丢失等现象频发,网络服务的平稳性下降。针对自相似流量特性配置网络硬件和设计网络服务协议以保证网络服务质量的需求与日俱增。由于自相似流量不适合采用传统的队列分析方法和仿真工具分析和模拟,自相似流量队列分析及其仿真工具设计成为了亟待解决的研究课题。为了研究和分析网络自相似流量,量化自相似流量数据传输的表现以及为设计网络和网络协议算法提供理论依据,本文进行了自相似流量下网络节点缓冲器队列分析,自相似流量数据流完成时间分布分析和自相似流量基于对数正态分布的快速仿真工具与近似函数设计。本文的研究内容与创新点总结如下:（1）自相似流量下数据中心网络节点缓冲器队列分析为了从单个节点层面建模、研究和理解自相似流量的传输表现,本文对自相似流量下数据中心网络节点缓冲器中的数据队列进行了建模和分析。本文将数据中心网络的自相似流量建模为鞅过程,对缓冲器中的自相似流量队列进行了停时分析,并对缓冲器在队列停时发生条件下的清空概率和溢出概率分别进行了计算。本文的分析验证了鞅过程适合用于建模和分析自相似流量下数据中心网络节点缓冲器队列行为。本文提出的分析方法简单,可扩展性强,为自相似流量下数据中心网络节点缓冲器大小设计提供了理论依据。（2）自相似流量数据流完成时间分布分析为了从端到端系统服务层面建模、研究和理解自相似流量的传输表现,本文对自相似流量数据流的完成时间分布进行了全新的建模和分析。本部分研究分为四个步骤。首先,本文对网络传输控制协议（Transmission Control Protocol,TCP）拥塞窗口大小的分布进行了建模和计算,将加权独立同分布负指数分布随机变量和的分布结果引入TCP拥塞窗口大小分布的分析过程,得到了精确的分布结果。其后,本文对TCP拥塞控制下单个数据包端到端传输时延的分布进行了分析,通过求解更新方程得到了准确的分布结果。随后,本文对任意长度TCP数据流完成时间的分布进行了研究和计算,依据拥塞窗口的演进过程将TCP数据流的传输过程建模为平行队列系统,得到了 TCP数据流完成时间的准确分布。最后,本文探讨了自相似流量数据流完成时间的分布并给出其概率密度函数与累积概率分布函数的计算。本文提出的数据流完成时间分布分析方法与学界现存数据流完成时间分布分析方法相比,分析过程简单,避免了复杂的迭代过程和状态机方法的使用。本文提出的数据流完成时间分布分析结果准确并适用于分析任意长度的数据流完成时间,而前人的数据流完成时间分布分析方法仅适用于分析短的数据流。（3）自相似流量基于对数正态分布的快速仿真工具设计为了提高自相似流量的仿真效率和近似计算精度,本文设计了自相似流量基于对数正态分布的超空间复制快速仿真技术并提出了对数正态分布随机变量和分布左尾的Marcum Q函数近似。超空间复制技术通过利用对数正态分布随机变量与正态分布随机变量之间的映射关系以及正态分布的对称性提升了对数正态分布随机变量和分布的仿真效率。超空间复制技术与重要性采样技术叠加使用可以进一步提升仿真效率。在对数正态分布随机变量和分布左尾的Marcum Q函数近似的研究中,本文通过数学计算和观察了解到,在正态分布坐标系中,不同和值对应的概率事件概率区域边界曲线形状相同,彼此之间是曲线顶点沿着直线y=x上下平移的关系。找到与该曲线顶点内切的最大圆盘,即找到了对数正态分布随机变量和分布左尾的最优Marcum Q函数近似。本文提出的超空间复制技术是目前仿真对数正态分布随机变量和分布的仿真技术中效率最高的。随着对数正态分布随机变量和值趋向于0（分布左尾末端）,本文提出的Marcum Q函数近似（下界）比前人提出的半无限矩形函数近似（下界）更紧。
宋佳阳[9]（2020）在《高速铁路环境下智慧协同网络组件建模及联动方法研究》文中进行了进一步梳理随着移动互联网逐渐渗透到社会经济的各个方面,高质量、泛在的移动互联网接入逐渐成为现代生活不可或缺的重要部分。然而,目前在高速铁路场景下仍难以为用户提供与低速或静止环境中一致的网络业务体验。针对这一问题,本论文构思和设计基于智慧协同网络的新型高速铁路环境下网络高效接入机制。论文围绕以下三个问题展开研究工作:1)应用于高速铁路环境的智慧协同网络中无线网络行为特征研究;2)应用于高速铁路环境的智慧协同网络中数据传输性能分析;3)高速铁路环境中基于智慧协同网络的无线网络资源高效并行利用。论文的主要工作和创新点如下:针对研究问题一,本文针对高铁场景下智慧协同网络中的无线网络行为进行了实地测试、模型建立和仿真预测。首先,本文在一高铁区段内进行了大量的无线网络行为实地测试,并通过统计分析揭示了该环境下无线网络行为的一种周期性变化规律。然后,本文引入了一种通用参考模型来模拟高速铁路环境下无线网络行为的周期性变化规律,并利用隐性马尔可夫链对该通用参考模型进行数学描述。最后,本文根据该隐性马尔可夫模型提出一种改进的无线网络行为仿真算法,利用该仿真算法可以较高的准确率来预测高铁环境下智慧协同网络中的无线网络行为。针对研究问题二,本文在智慧协同网络框架下,针对高铁环境中通过多种无线网络并行传输的数据流展开性能分析与建模,讨论行为复杂多变且彼此之间差异较大的多种无线网络对并行数据传输性能的影响。首先,本文阐明了无线网络异构性的概念,并通过实地测试展示了高铁环境中异构无线网络间巨大的行为差异程度,初步分析了异构无线网络行为差异对于并行数据传输性能的影响。然后,本文引入一种通过多个异构无线网络并行传输数据的网络通信模型,以平均吞吐量为性能分析指标,对通过该网络通信模型传输的数据流性能进行建模分析,根据所得性能分析模型定量分析了异构无线网络行为差异性对并行传输数据流的负面影响。分别通过仿真实验和实地测试验证了该性能分析模型的准确性。最后,进一步分析了异构无线网络间不同种类行为差异对并行数据传输性能的影响,分析结果表明时延行为差异产生的负面影响比速率行为差异更大。针对研究问题三,本文提出了基于行为的“先聚类后联动”方法,设计了高铁环境下智慧协同网络中的无线网络聚类联动机制,在智慧协同路由器上实现该机制,并在高铁移动环境下进行实地测试。首先以速率优先传输族群为例,分析了如何选取无线网络行为特征作为聚类度量。之后提出一种适用于高速铁路环境下的无线网络混合聚类算法,并具体介绍该混合聚类算法在高铁场景下的具体实施方法。然后提出一种面向高速铁路环境的无线网络联动转发机制,该机制通过服务-族群映射和族群内转发策略确定数据转发路径,并将转发控制信令内嵌到数据流中,使之通过相应的目标无线网络传输。之后介绍了根据上述无线网络聚类联动机制自主研发的智慧协同路由器,从实体域和行为域两个角度介绍了内部模块设计。最后,通过在真实高铁环境下进行的实地测试评估聚类联动机制中的变量取值、策略选取与实际效果。测试结果表明相对于传统网络接入方案,采用了无线网络聚类联动机制的智慧协同路由器可显着增加高铁列车接入带宽,提高了无线网络资源利用率。通过上述对基于智慧协同网络的新型高铁环境下网络高效接入机制的研究,本文为高速铁路环境下移动互联网的研究探索提供了一种可行的新思路。
杨朋[10]（2019）在《面向网络协议行为模型的逆向分析方法研究》文中研究表明近年来,随着互联网在世界范围内的迅速普及,导致各种网络应用爆发式地增长,随之而来的是网络流量的激增。这些网络流量中既有基于RFC文档的公开的协议,也有大量的私有协议,对于公开的协议网络监管人员可以根据RFC文档或其它公开的文档来分析该网络流量的行为,但是对于私有协议,由于缺少必要的先验知识,往往不能分析出网络流量的行为。此时,对这些私有协议或未知协议的行为进行建模,进一步逆向出协议的行为模型,具有重要意义。本文提出了一种基于隐马尔可夫模型的协议行为逆向方法,该方法将网络协议的行为建模成隐马尔可夫模型,再使用Baum-Welch算法逆向出该行为模型。由于Baum-Welch算法的输入为观测序列,该序列中的元素要为报文所处的对应状态,本文又提出了一种基于信息量的关键字提取方法使得观测序列的元素能够较好地对应报文所处的状态。在关键字提取阶段,首先抓取真实的网络报文数据,然后将网络报文数据进行对齐处理,接着计算对齐之后报文不同字段的自信息期望以及报文中相邻字段的互信息,根据这两个指标确定报文的关键字段,最后提取报文关键字。在逆向网络协议行为模型阶段,首先划分网络会话,每次会话即为一个观测序列,然后提取所有会话的关键字组成Baum-Welch算法的输入,同时在这里也需要初始化隐藏状态数量,接着使用Baum-Welch算法逆向出不同数量隐藏状态对应的网络协议行为模型,最后使用前向-后向算法对逆向出来的协议行为模型进行评分,从中选取既准确又精简的行为模型作为最终的网络协议行为模型。最后,使用三种不同的协议来测试本文提出的新方法,并将逆向出来的网络协议行为模型与该协议标准的行为模型进行分析与比较,验证了本文方法的有效性。本文实验得出的协议行为模型的结果在可读性和精简性方面要好于之前的研究成果。
二、网络传输TCP的马尔可夫过程建模（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、网络传输TCP的马尔可夫过程建模（论文提纲范文）
（2）面向边缘计算的智慧标识网络资源协同与适配机制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 主要缩略语对照表 |
| 1 绪论 |
| 1.1 引言 |
| 1.2 研究背景与现状 |
| 1.2.1 边缘计算架构 |
| 1.2.2 资源适配架构 |
| 1.2.3 相关研究工作 |
| 1.3 面向边缘计算的SINET架构 |
| 1.4 主要问题及意义 |
| 1.5 主要工作与创新点 |
| 1.6 论文组织架构 |
| 2 基于端-边协同的任务卸载性能评估模型 |
| 2.1 引言 |
| 2.1.1 研究背景 |
| 2.1.2 相关工作 |
| 2.2 任务卸载模型描述 |
| 2.2.1 应用场景简介 |
| 2.2.2 队列模型描述 |
| 2.2.3 卸载策略分析 |
| 2.3 平均响应时间分析 |
| 2.3.1 终端平均响应时间 |
| 2.3.2 服务器平均响应时间 |
| 2.3.3 整体平均响应时间 |
| 2.4 任务卸载能耗分析 |
| 2.4.1 终端设备能耗 |
| 2.4.2 边缘服务器能耗 |
| 2.5 多终端资源适配方法 |
| 2.6 性能评估 |
| 2.6.1 实验场景与参数 |
| 2.6.2 实验结果与分析 |
| 2.7 本章小结 |
| 3 基于随机优化的边缘资源协同传输调度机制 |
| 3.1 引言 |
| 3.1.1 背景介绍 |
| 3.1.2 相关工作 |
| 3.2 协同传输模型描述 |
| 3.2.1 应用场景简介 |
| 3.2.2 队列模型描述 |
| 3.3 动态传输调度方法 |
| 3.3.1 辅助变量与问题转化 |
| 3.3.2 问题解耦与子问题求解 |
| 3.3.3 动态传输调度算法描述 |
| 3.3.4 算法性能与复杂度分析 |
| 3.4 算法性能评估 |
| 3.4.1 实验场景与参数 |
| 3.4.2 实验结果与分析 |
| 3.5 本章小结 |
| 4 基于多代理强化学习的边缘协作缓存方法 |
| 4.1 引言 |
| 4.1.1 背景介绍 |
| 4.1.2 相关工作 |
| 4.2 协作缓存模型描述 |
| 4.2.1 应用场景简介 |
| 4.2.2 缓存优化模型 |
| 4.3 基于强化学习的协作缓存方法 |
| 4.3.1 强化学习协作缓存框架 |
| 4.3.2 特征定义与动作选择 |
| 4.3.3 边缘协作缓存算法描述 |
| 4.4 算法性能评估 |
| 4.4.1 实验场景与参数 |
| 4.4.2 实验结果与分析 |
| 4.5 本章小结 |
| 5 基于服务功能切换的云-边资源协同适配机制 |
| 5.1 引言 |
| 5.1.1 背景介绍 |
| 5.1.2 相关工作 |
| 5.2 服务切换模型描述 |
| 5.2.1 应用场景简介 |
| 5.2.2 队列模型描述 |
| 5.3 资源适配算法设计 |
| 5.3.1 虚拟队列与问题解耦 |
| 5.3.2 资源适配算法的描述 |
| 5.3.3 算法性能与复杂度分析 |
| 5.4 基于任务拒绝的算法改进 |
| 5.4.1 拒绝机制与时延队列 |
| 5.4.2 改进后的算法描述 |
| 5.4.3 改进算法的性能分析 |
| 5.5 算法性能评估 |
| 5.5.1 实验场景与参数 |
| 5.5.2 实验结果与分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来工作展望 |
| 附录 A |
| 附录 B |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（3）面向视频传输的网络层与应用层QoS映射模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 主要工作 |
| 1.3 创新点 |
| 1.4 论文结构 |
| 第二章 网络视频质量评估关键技术研究与分析 |
| 2.1 网络视频失真因素分析 |
| 2.1.1 网络信道传输失真 |
| 2.1.2 视频编解码失真 |
| 2.2 网络视频质量评估方法研究现状 |
| 2.2.1 视频主观质量评估 |
| 2.2.2 视频客观质量评估 |
| 2.3 网络视频质量评估方法适用性分析 |
| 2.4 本章小结 |
| 第三章 网络丢包原因分析及网络丢包特性建模 |
| 3.1 网络丢包原因分析 |
| 3.2 网络丢包特性模型介绍 |
| 3.2.1 伯努利概率模型 |
| 3.2.2 Gilbert模型 |
| 3.2.3 k阶马尔可夫模型 |
| 3.2.4 Gilbert改进模型 |
| 3.3 网络丢包特性建模选型评估 |
| 3.3.1 网络丢包特性建模选型评估方法 |
| 3.3.2 网络丢包特性建模选型评估结果分析 |
| 3.4 本章小结 |
| 第四章 网络丢包与GoP内丢帧映射模型 |
| 4.1 网络丢包与GoP内丢帧映射模型 |
| 4.1.1 帧单包封装时的网络丢包与GoP内丢帧映射模型 |
| 4.1.2 帧多包封装时的网络丢包与GoP内丢帧映射模型 |
| 4.2 帧数据层指标计算 |
| 4.2.1 视频帧单包封装时的帧数据层指标计算 |
| 4.2.2 视频帧多包封装时的帧数据层指标计算 |
| 4.3 本章小结 |
| 第五章 GoP内丢帧与视频画面失真映射模型 |
| 5.1 视频画面失真分类 |
| 5.1.1 黑屏 |
| 5.1.2 花屏 |
| 5.2 GoP内丢帧与视频画面失真映射模型 |
| 5.2.1 帧单包封装时的GoP内丢帧与画面失真映射模型 |
| 5.2.2 帧多包封装时的GoP内丢帧与画面失真映射模型 |
| 5.3 本章小结 |
| 第六章 面向视频传输的网络层与应用层QoS映射模型测试与分析 |
| 6.1 测试说明 |
| 6.1.1 测试目标 |
| 6.1.2 测试环境 |
| 6.1.3 测试设计 |
| 6.2 测试结果及分析 |
| 6.3 本章小结 |
| 第七章 总结与工作展望 |
| 7.1 总结 |
| 7.2 工作展望 |
| 参考文献 |
| 缩略词 |
| 致谢 |
| 攻读学位期间发表的论文及研发成果 |
（4）面向电力监测的窄带物联网终端能耗优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 终端能耗模型与分析研究现状 |
| 1.2.2 随机接入拥塞控制优化研究现状 |
| 1.2.3 电力监测终端低功耗设计 |
| 1.3 课题来源与研究动机 |
| 1.4 本文组织结构与贡献 |
| 2 基于马尔可夫的NB-IoT终端状态模型与能耗优化 |
| 2.1 马尔可夫链 |
| 2.2 NB-IoT基本工作模式和工作状态 |
| 2.2.1 NB-IoT基本模式 |
| 2.2.2 NB-IoT基本状态 |
| 2.3 NB-IoT终端状态转换模型 |
| 2.4 NB-IoT终端能耗与时延模型分析 |
| 2.4.1 NB-IoT终端能耗分析 |
| 2.4.2 NB-IoT终端时延分析 |
| 2.5 NB-IoT终端能耗与时延数值分析 |
| 2.6 NB-IoT终端参数配置方案分析 |
| 2.7 本章小结 |
| 3 面向电力监测的NB-IoT终端大规模随机接入拥塞控制优化 |
| 3.1 NB-IoT随机接入过程 |
| 3.2 ACB机制 |
| 3.3 NB-IoT随机接入系统模型 |
| 3.3.1 NB-IoT接入等级限制 |
| 3.3.2 NB-IoT电力监测终端激活模型 |
| 3.3.3 NB-IoT网络负载估计 |
| 3.3.4 自适应随机接入限制因子分析 |
| 3.4 随机接入拥塞控制优化算法 |
| 3.4.1 基于时延和任务优先级的终端等级划分 |
| 3.4.2 μACB算法步骤分析 |
| 3.5 仿真分析 |
| 3.6 本章小结 |
| 4 面向电力井盖监测的NB-IoT终端低能耗系统设计 |
| 4.1 面向电力井盖监测的NB-IoT终端低能耗系统架构设计 |
| 4.2 面向电力井盖监测的NB-IoT终端低能耗系统终端硬件设计 |
| 4.2.1 监测终端的硬件架构设计 |
| 4.2.2 监测终端的硬件低能耗设计 |
| 4.3 面向电力井盖监测的NB-IoT终端低能耗系统的终端软件设计 |
| 4.3.1 监测终端的软件架构设计 |
| 4.3.2 监测终端的软件功能设计 |
| 4.3.3 数据通信过程设计 |
| 4.4 面向电力井盖监测的NB-IoT终端低能耗系统平台设计 |
| 4.4.1 数据采集平台设计 |
| 4.4.2 数据展示平台设计 |
| 4.5 监测终端系统验证与监测终端系统低能耗测试 |
| 4.5.1 监测终端系统验证 |
| 4.5.2 监测终端系统的终端低能耗测试 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）基于工业控制系统的异常流量检测算法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 第二章 相关技术概述 |
| 2.1 工业控制系统的组织架构 |
| 2.1.1 工业控制系统的组织架构 |
| 2.1.2 Modbus协议概述 |
| 2.2 时间序列模型概述 |
| 2.2.1 基于统计学的模型概述 |
| 2.2.2 基于机器学习模型概述 |
| 2.3 网络流量异常检测模型概述 |
| 2.4 本章小结 |
| 第三章 工业控制系统中基线的异常检测算法的研究 |
| 3.1 工控网络中的流量分析 |
| 3.2 工控网络中基线的构造与分析 |
| 3.3 工控网络中基线的预测与检测算法 |
| 3.3.1 工控网络中基线的预测与检测理论 |
| 3.3.2 工控网络中基线的预测与检测算法流程 |
| 3.4 本章小结 |
| 第四章 工控网络流量的周期性异常检测算法的研究 |
| 4.1 字符序列的周期性异常检测算法 |
| 4.1.1 字符序列周期性定义 |
| 4.1.2 字符序列周期性检测流程 |
| 4.2 数值序列的周期性异常检测算法 |
| 4.2.1 数值序列周期性定义 |
| 4.2.2 字符序列周期性检测流程 |
| 4.3 本章小结 |
| 第五章 工控协议字段的异常检测算法的研究 |
| 5.1 马尔可夫模型 |
| 5.2 工控协议字段的异常检测算法 |
| 5.2.1 特征提取与状态构建 |
| 5.2.2 工控协议字段的异常检测算法流程 |
| 5.3 本章小结 |
| 第六章 工业控制系统的异常流量检测算法测试 |
| 6.1 基线的异常检测算法测试 |
| 6.2 流量的周期性异常检测算法测试 |
| 6.3 协议字段的异常检测算法测试 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 下一步研究工作 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（6）基于深度学习的加密流量识别研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 本文的研究工作 |
| 1.3 论文组织结构 |
| 1.4 本章小结 |
| 第2章 加密流量识别的相关背景与技术 |
| 2.1 网络流量识别基础 |
| 2.1.1 网络流量识别定义 |
| 2.1.2 加密协议SSL/TLS |
| 2.2 工业界加密流量识别现状 |
| 2.2.1 Cisco的NBAR和ETA |
| 2.2.2 Juniper的Junos |
| 2.2.3 华为的ECA |
| 2.2.4 工业界加密流量识别现状总结 |
| 2.3 学术界加密流量识别现状 |
| 2.3.1 传统网络流量识别方法 |
| 2.3.2 基于机器学习的加密流量识别方法 |
| 2.3.3 学术界加密流量识别总结 |
| 2.4 本章小结 |
| 第3章 网络加密流量的特征选择与分析 |
| 3.1 加密流量特征选择整体框架设计 |
| 3.2 加密数据流的应用类型特征提取 |
| 3.2.1 协议状态序列特征提取 |
| 3.2.2 数据包长度序列特征提取 |
| 3.2.3 协议扩展字段特征提取 |
| 3.3 加密数据流的内容类型特征提取 |
| 3.3.1 有效载荷特征的提取 |
| 3.3.2 网络流长度序列特征的提取 |
| 3.4 模型训练 |
| 3.4.1 基于马尔可夫的模型训练过程 |
| 3.4.2 基于卷积神经网络的模型训练过程 |
| 3.4.3 基于长短期记忆网络的模型训练过程 |
| 3.5 实验过程 |
| 3.5.1 实验环境配置 |
| 3.5.2 实验结果与分析 |
| 3.6 本章小结 |
| 第4章 多阶段特征融合的加密流量识别算法 |
| 4.1 基于分阶段特征的多任务识别算法 |
| 4.1.1 分阶段多任务识别思路和模型设计 |
| 4.1.2 分阶段多任务整体流程设计 |
| 4.2 基于多阶段特征融合的识别算法 |
| 4.2.1 研究思路 |
| 4.2.2 多阶段特征分析 |
| 4.2.3 多阶段特征融合模型设计 |
| 4.3 基于多阶段融合的多任务识别算法 |
| 4.4 实验过程 |
| 4.4.1 评价指标 |
| 4.4.2 结果与分析 |
| 4.5 本章小结 |
| 第5章 在线加密流量识别原型系统的设计与实现 |
| 5.1 在线加密流量识别系统整体设计 |
| 5.1.1 系统功能需求 |
| 5.1.2 系统整体设计 |
| 5.2 加密流量在线识别系统实现 |
| 5.2.1 离线训练 |
| 5.2.2 在线识别 |
| 5.3 本章小结 |
| 第6章 总结和展望 |
| 6.1 文章总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（7）大规模在线物联网设备的细粒度识别技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 物联网设备识别概述 |
| 1.1.2 物联网设备识别研究意义 |
| 1.1.3 物联网设备识别面临的挑战 |
| 1.2 国内外研究现状 |
| 1.2.1 物联网设备被动识别技术研究现状 |
| 1.2.2 物联网设备主动识别技术研究现状 |
| 1.2.3 研究现状总结分析 |
| 1.3 研究思路、研究内容与创新点 |
| 1.4 论文组织结构 |
| 第2章 基于多协议标语的大规模细粒度设备识别 |
| 2.1 引言 |
| 2.2 基于多协议标语的细粒度设备识别 |
| 2.2.1 时间高效的多协议探测方法设计 |
| 2.2.2 数据收集与分析 |
| 2.2.3 最优协议探测序列生成 |
| 2.3 实验分析与评价 |
| 2.3.1 实验设置 |
| 2.3.2 性能评估 |
| 2.4 本章小结 |
| 第3章 基于重传报文字段的大规模细粒度设备识别 |
| 3.1 引言 |
| 3.2 背景知识 |
| 3.2.1 基于Nmap的设备识别技术 |
| 3.2.2 TCP重传报文 |
| 3.3 基于TCP重传报文的细粒度设备识别 |
| 3.3.1 设计挑战 |
| 3.3.2 系统概述 |
| 3.3.3 数据获取 |
| 3.3.4 特征选择 |
| 3.3.5 分类识别 |
| 3.4 实验分析与评价 |
| 3.5 本章小结 |
| 第4章 基于跨层协议指纹的大规模细粒度设备识别 |
| 4.1 引言 |
| 4.2 基于跨层协议指纹的细粒度设备识别 |
| 4.2.1 设备识别框架 |
| 4.2.2 跨层协议指纹 |
| 4.2.3 细粒度设备识别 |
| 4.3 实验分析与评价 |
| 4.4 本章小结 |
| 第5章 基于弱口令的大规模细粒度设备识别 |
| 5.1 引言 |
| 5.2 准备工作 |
| 5.3 基于弱口令的设备固件识别 |
| 5.3.1 固件识别框架 |
| 5.3.2 数据预处理 |
| 5.3.3 提取导航栏 |
| 5.3.4 固件识别 |
| 5.4 实验分析与评价 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（8）自相似流量队列分析及其仿真工具设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 自相似流量的特点,形成原因和危害 |
| 1.1.2 自相似流量队列分析面临的技术挑战 |
| 1.2 国内外相关研究现状 |
| 1.2.1 自相似流量网络节点缓冲器队列分析的研究现状 |
| 1.2.2 自相似流量数据流完成时间分布分析的研究现状 |
| 1.2.3 自相似流量基于对数正态分布的仿真技术的研究现状 |
| 1.3 论文的研究内容,组织结构及贡献 |
| 1.3.1 研究内容与组织结构 |
| 1.3.2 研究贡献 |
| 第二章 自相似流量下数据中心网络节点缓冲器队列分析 |
| 2.1 引言 |
| 2.2 自相似流量下数据中心网络节点缓冲器模型 |
| 2.3 自相似流量下数据中心网络数据传输模型 |
| 2.4 数据中心网络节点缓冲器的停时定义 |
| 2.5 数据中心网络节点缓冲器队列行为分析 |
| 2.6 数据中心网络节点缓冲器队列行为分析仿真结果 |
| 2.7 本章小结 |
| 第三章 自相似流量数据流完成时间分布分析 |
| 3.1 引言 |
| 3.2 TCP拥塞窗口大小分布分析 |
| 3.2.1 拥塞窗口大小分布建模与分析 |
| 3.2.2 拥塞窗口大小分布仿真结果 |
| 3.3 TCP数据包端到端传输时延分布分析 |
| 3.3.1 数据包传输时延分布建模与分析 |
| 3.3.2 数据包传输时延分布仿真结果 |
| 3.4 TCP数据流完成时间分布分析 |
| 3.4.1 数据流传输建模 |
| 3.4.2 数据流完成时间分布分析 |
| 3.4.3 数据流完成时间分布仿真结果 |
| 3.4.4 数据流完成时间分布分析可扩展性探讨 |
| 3.5 自相似流量数据流完成时间分布计算 |
| 3.6 本章小结 |
| 第四章 自相似流量基于对数正态分布的快速仿真工具设计 |
| 4.1 引言 |
| 4.2 自相似流量基于对数正态分布的超空间复制快速仿真技术 |
| 4.2.1 二维空间中对数正态分布随机变量和分布的仿真 |
| 4.2.2 N维空间中对数正态分布随机变量和分布左尾的仿真 |
| 4.2.3 N维空间中对数正态分布随机变量和分布右尾的仿真 |
| 4.2.4 超空间复制技术与重要性采样技术级联使用的仿真增益分析 |
| 4.3 对数正态分布随机变量和分布左尾的Marcum Q函数近似 |
| 4.3.1 对数正态分布随机变量和分布左尾与Marcum Q函数几何关系 |
| 4.3.2 对数正态分布随机变量和分布左尾的Marcum Q函数近似 |
| 4.3.3 对数正态分布随机变量和分布左尾与其近似的仿真结果 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文的主要工作及创新 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间取得的研究成果 |
（9）高速铁路环境下智慧协同网络组件建模及联动方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 引言 |
| 1.2 研究现状 |
| 1.2.1 高速移动环境下网络接入研究现状 |
| 1.2.2 高速移动环境下网络传输性能面临的挑战 |
| 1.2.3 新型网络研究现状 |
| 1.3 高速移动环境下基于智慧协同网络接入方案 |
| 1.3.1 智慧协同路由器组网方案 |
| 1.3.2 智慧协同路由器内部结构与相关概念 |
| 1.3.3 本文研究问题与智慧协同路由器关系 |
| 1.4 本文工作与创新点 |
| 1.5 论文组织结构 |
| 2 高速铁路环境下智慧协同网络接入组件行为分析建模 |
| 2.1 高铁场景实地测试 |
| 2.1.1 测试设备介绍 |
| 2.1.2 测试参数选取 |
| 2.1.3 测试数据展示 |
| 2.2 数据分析 |
| 2.3 高速铁路场景下接入组件行为建模 |
| 2.4 HMC参考模型仿真验证 |
| 2.5 模型应用示例:高铁环境下接入组件行为自适应监测 |
| 2.6 本章总结 |
| 3 高速铁路环境下异构接入组件并行联动性能分析建模 |
| 3.1 相关研究工作 |
| 3.2 问题描述与网络模型 |
| 3.2.1 高速铁路环境下的异构接入组件行为差异 |
| 3.2.2 异构接入组件并行联动网络通信模型 |
| 3.3 性能分析模型 |
| 3.3.1 第i个传输轮次分析 |
| 3.3.2 基于传输轮次的平均吞吐量迭代算法 |
| 3.3.3 异构接入组件行为差异性对平均吞吐量影响 |
| 3.4 模型评估 |
| 3.4.1 仿真实验对比测试评估 |
| 3.4.2 高速铁路实地测试对比评估 |
| 3.5 基于性能分析模型的若干讨论 |
| 3.5.1 行为差异性对传输性能影响 |
| 3.5.2 传输性能与异构接入组件数量关系 |
| 3.6 总结 |
| 4 高速铁路环境下智慧协同路由器接入组件聚类联动机制 |
| 4.1 高速铁路场景下网络通信特点 |
| 4.2 接入组件聚类联动方案设计 |
| 4.2.1 基于行为的接入组件聚类方法 |
| 4.2.2 接入组件联动转发机制 |
| 4.3 智慧协同路由器内部模块功能 |
| 4.3.1 实体域 |
| 4.3.2 行为域 |
| 4.4 智慧协同路由器工作机制 |
| 4.5 高铁环境实地测试 |
| 4.5.1 聚类算法周期取值与聚类结果展示 |
| 4.5.2 联动转发机制测试与族群内转发策略选择 |
| 4.5.3 吞吐量对比测试 |
| 4.5.4 应用层测试 |
| 4.6 总结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 未来研究工作展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（10）面向网络协议行为模型的逆向分析方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外相关研究与发展现状 |
| 1.3 主要研究内容和章节安排 |
| 1.3.1 本文主要研究内容 |
| 1.3.2 本文章节安排 |
| 第2章 网络协议逆向工程理论 |
| 2.1 网络协议逆向 |
| 2.2 网络协议行为建模 |
| 2.3 网络协议行为模型逆向方法 |
| 2.4 本章小结 |
| 第3章 基于信息量的报文分类 |
| 3.1 基于信息量的报文分类算法框架 |
| 3.2 基于信息量的报文分类实验设计 |
| 3.3 基于信息量的报文分类实验结果 |
| 3.3.1 TCP报文分类结果 |
| 3.3.2 TCP报文参考关键字段 |
| 3.3.3 DHCP报文分类结果 |
| 3.3.4 DHCP报文参考关键字段 |
| 3.3.5 SMTP报文分类结果 |
| 3.3.6 SMTP报文参考关键字段 |
| 3.4 基于信息量的报文分类实验结果分析与评价 |
| 3.5 本章小结 |
| 第4章 基于隐马尔可夫模型的协议行为逆向 |
| 4.1 基于HMM的协议行为建模 |
| 4.1.1 隐马尔可夫模型 |
| 4.1.2 隐马尔可夫三个主要问题 |
| 4.2 基于HMM协议行为模型逆向算法框架 |
| 4.3 基于HMM协议行为模型逆向实验设计 |
| 4.4 协议行为模型逆向结果 |
| 4.4.1 TCP协议行为模型逆向 |
| 4.4.2 DHCP协议行为模型逆向 |
| 4.4.3 SMTP协议行为模型逆向 |
| 4.5 协议行为模型逆向结果分析与评价 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
四、网络传输TCP的马尔可夫过程建模（论文参考文献）
- [1]网络行为仿真综述[J]. 符永铨,赵辉,王晓锋,刘红日,安伦. 软件学报, 2022(01)
- [2]面向边缘计算的智慧标识网络资源协同与适配机制研究[D]. 张宇明. 北京交通大学, 2021(02)
- [3]面向视频传输的网络层与应用层QoS映射模型研究[D]. 唐凡桓. 北京邮电大学, 2021(01)
- [4]面向电力监测的窄带物联网终端能耗优化研究[D]. 谢泰荣. 广东技术师范大学, 2021
- [5]基于工业控制系统的异常流量检测算法的研究[D]. 倪嘉慧. 北京邮电大学, 2021(01)
- [6]基于深度学习的加密流量识别研究[D]. 佟欣欣. 中国科学技术大学, 2021(09)
- [7]大规模在线物联网设备的细粒度识别技术研究[D]. 于丹. 太原理工大学, 2020
- [8]自相似流量队列分析及其仿真工具设计[D]. 栾干. 北京邮电大学, 2020(01)
- [9]高速铁路环境下智慧协同网络组件建模及联动方法研究[D]. 宋佳阳. 北京交通大学, 2020(02)
- [10]面向网络协议行为模型的逆向分析方法研究[D]. 杨朋. 哈尔滨工业大学, 2019(02)