Ванюшина Анна Вячеславовна Классификация IP-трафика в компьютерной сети с использованием алгоритмов машинного обучения

Краткое описание

Ванюшина Анна Вячеславовна Классификация IP-трафика в компьютерной сети с использованием алгоритмов машинного обучения
ОГЛАВЛЕНИЕ ДИССЕРТАЦИИ
кандидат наук Ванюшина Анна Вячеславовна
1.1. Современное состояние, задачи и проблемы классификации IP-трафика

1.2. Объекты, классы и признаки классификации IP-трафика

1.3. Методы и алгоритмы классификации сетевого трафика

1.4. Постановка задачи исследования

ГЛАВА 2. КОНТРОЛИРУЕМАЯ КЛАССИФИКАЦИЯ ПРИЛОЖЕНИЙ,

ИСПОЛЬЗУЮЩИХ СТЕК TCP/IP

2.1. Формирование исходных данных и анализ программного обеспечения

2.2. Влияние структуры обучающей выборки на эффективность классификации приложений

2.3. Сравнительные оценки алгоритмов выделения информативных признаков

2.4. Влияние объема обучающей выборки на качество классификации

2.4.1. Сравнение оценок качества классификации по пакетам и потокам

2.4.2. Результаты классификации на этапе тестирования

2.4.3. Результаты классификации на этапе обучения

2.5. Эффективность алгоритма RF в задачах классификации приложений

2.5.1. Формирование данных

2.5.2. Методология решения задачи классификации с помощью алгоритма Random Forest

2.5.3. Результаты классификации

2.6. Выводы по второй главе

ГЛАВА 3. КЛАССИФИКАЦИЯ ПРИЛОЖЕНИЙ В УСЛОВИЯХ

АПРИОРНОЙ НЕОПРЕДЕЛЕННОСТИ

3.1. Влияние фонового трафика на качество классификации

3.2. Неконтролируемая кластеризация сетевого трафика

3.2.1. Технологии кластеризации

3.2.2. Метрики оценки качества кластеризации

3.3. Сравнительный анализ алгоритмов кластеризации в условиях фонового трафика

3.3.1. Алгоритм k-средних

3.3.2. Алгоритм DBSCAN

3.3.3. Сравнительный анализ алгоритмов контролируемого и неконтролируемого обучения

3.4. Классификация с дополнительным классом «Неизвестное приложение»

3.5. Потоковая классификация приложений в условиях смещения концепта

потоков данных

3.5.1. Постановка задачи

3.5.2. Анализ статистических характеристик атрибутов приложений

3.5.3. Алгоритм обнаружения смены концепта по критерию Фишера

3.5.4. Потоковая классификация при смене концепта

3.6. Выводы по третьей главе

ГЛАВА 4. РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ

РЕШЕНИЯ ЗАДАЧИ КЛАССИФИКАЦИИ МЕТОДОМ МАШИННОГО

ОБУЧЕНИЯ В РЕАЛЬНОМ МАСШТАБЕ ВРЕМЕНИ

4.1. Программная реализация модулей разработанного программного обеспечения

4.1.1. Структура программного обеспечения

4.1.2. Модуль обработки пакетов, выделения потоков и признаков

4.2. Особенности использования разработанной системы классификации

4.3. Выводы по четвертой главе

ОБЩИЕ ВЫВОДЫ И ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ

ПРИЛОЖЕНИЕ

ПРИЛОЖЕНИЕ

ПРИЛОЖЕНИЕ