• 1 سرآغاز (14)
  • 1.1 تعریف مساله (15)
  • 1.2 روش پیشنهادی (16)
  • 1.3 ساختار پایان نامه (17)
• 2 مفاهیم پایه (19)
  • 2.1 یادگیری عمیق (19)
    • 2.1.1 تعریف یادگیری عمیق (20)
    • 2.1.2 ساختار شبکه‌ی عصبی (21)
    • 2.1.3 پارامتر‌های آموزش شبکه عصبی (23)
    • 2.1.4 پس‌انتشار (23)
    • 2.1.5 بیش‌برازش (24)
    • 2.1.6 از قلم انداختن (24)
    • 2.1.7 نرمال‌سازی دسته‌ای (25)
    • 2.1.8 شبکه‌ عصبی همگشتی (25)
  • 2.2 یادگیری خصمانه (27)
    • 2.2.1 تعریف یادگیری خصمانه (28)
    • 2.2.2 روش‌های تولید نمونه خصمانه (30)
  • 2.3 مدل تهدید (35)
    • 2.3.1 مدل تهدید دسته‌بندی ترافیک/ انگشت‌نگاری وب‌سایت (35)
    • 2.3.2 مدل تهدید یادگیری خصمانه (37)
  • 2.4 جمع‌بندی (40)
• 3 کارهای پیشین (41)
  • 3.1 تکنیک‌های ضد نظارتی (41)
  • 3.2 مبهم‌نگاری پروتکل (42)
    • 3.2.1 تصادفی‌سازی (43)
    • 3.2.2 ماننده‌سازی (45)
    • 3.2.3 تونل‌سازی (48)
  • 3.3 شبکه‌های گمنامی (54)
  • 3.4 شبکه‌های بازشکن (55)
  • 3.5 ضد انگشت‌نگاری وب‌سایت (58)
  • 3.6 تکنیک‌های دفاعی مبتنی بر یادگیری خصمانه (60)
• 4 ارزیابی کارهای پیشین (71)
  • 4.1 کاستی‌های روش‌های پیشین (71)
    • 4.1.1 کاستی‌های روش‌های ضدنظارتی (72)
    • 4.1.2 کاستی روش‌های دفاعی مبتنی بر یادگیری عمیق (76)
• 5 راهکار پیشنهادی (79)
  • 5.1 مدل روش پیشنهادی (79)
    • 5.1.1 مدل مهاجم (79)
    • 5.1.2 مدل مدافع (79)
  • 5.2 پیاده‌سازی دسته‌بند ترافیک (80)
    • 5.2.1 طراحی و آموزش شبکه‌ی عصبی (80)
    • 5.2.2 پیش‌پردازش و ویژگی گزینی (82)
  • 5.3 پیاده‌سازی دفاع مبتنی بر یادگیری خصمانه (84)
• 6 ارزیابی (87)
  • 6.1 ارزیابی دسته‌بند ترافیک (87)
    • 6.1.1 دادگان (87)
    • 6.1.2 نتایج ارزیابی (89)
    • 6.1.3 ارزیابی دفاع مبتنی بر یادگیری ماشین (94)
  • 6.2 مقایسه‌ی روش پیشنهادی با کار‌های پیشین (100)
  • 6.3 جمع بندی (102)
• 7 نتیجه‌گیری و کارهای آتی (103)
  • 7.1 کار‌های آتی (103)
• کتاب‌نامه (106)
• واژه‌نامه‌ی فارسی به انگلیسی
• واژه‌نامه‌ی انگلیسی به فارسی