学位论文 > 优秀研究生学位论文题录展示

基于距离判决算法的P2P流量识别模型研究

作　者: 席鹏
导　师: 贺思德
学　校: 云南大学
专　业: 电子与通信工程
关键词: P2P应用特征属性流量识别分类模型
分类号: TP393.06
类　型: 硕士论文
年　份: 2013年
下　载: 15次
引　用: 0次
阅　读: 论文下载

内容摘要

近些年来,互联网中的新技术层出不穷,其中P2P,这种崭新的对等网络通信模式,作为互联网的一种新的应用模式迅速风靡全球。P2P应用模式对传统的互联网上网行为模式影响巨大,相关研究资料表明,P2P应用流量正快速崛起,一度达到了全球互联网应用总流量的70%以上。如此巨大的流量给通信运营商造成了巨大的压力,如何更为高效的控制P2P流量成为了运营商们的巨大挑战。因此,快速而高效的准确识别P2P流量正在成为一个急需解决的问题。然而,伴随着P2P技术的高速发展,P2P流量已经采用了诸如动态端口、协议字段加密等新技术来逃避P2P流量的检测。因此P2P应用业务在采用了类似上述的规避流量监测的新技术后,传统的P2P应用流量识别技术的识别正确率和识别效率都大为下降。鉴于此,本文从P2P技术的特点、P2P流量的传统识别方法及P2P流量识别的重要性入手,根据P2P流中所包含的数据包数目、UDP所占比例以及连接数等特征属性,结合数据挖掘等分类算法,提出了一种基于距离判决算法的网络数据流识别分类模型。该识别模型的判决参数主要包含UDP比例数(一段流量中UDP协议占该段流量所有网络协议的比值)和连接数(一段流量中源IP地址相同但目的IP地址不同的所有连接数之和)这两个特征属性,在连接数特征属性的处理中运用了JAVA作为开发语言进行特征值的提取。通过对11组典型的P2P网络流和11组非P2P网络流的特征属性值的提取,确立了识别模型的参数值,最后在局域网内随机抓取6组网络流通过该识别模型进行网络流的分类判决,判决结果与已知的上网行为分别吻合,即验证了该网络流分类识别模型的有效性。

全文目录

摘要  3-4
Abstract  4-8
第一章绪论  8-13
  1.1 研究背景  8-9
  1.2 国内外相关研究现状  9-11
    1.2.1 国外相关研究  9-10
    1.2.2 国内研究现状  10-11
  1.3 研究内容、意义及创新点  11-12
    1.3.1 研究内容  11
    1.3.2 研究意义和创新点  11-12
  1.4 论文的组织结构  12
  1.5 本章小结  12-13
第二章 P2P技术概述  13-23
  2.1 P2P技术简介  13-14
  2.2 P2P网络体系结构及特点  14-19
  2.3 P2P流量对网络的影响  19-21
  2.4 P2P流量识别的重要性和难点  21-22
  2.5 本章小结  22-23
第三章现有P2P流量检测与识别方法  23-29
  3.1 端口识别法  23-25
  3.2 深度包检测识别法  25-26
  3.3 流量统计特征识别法  26-27
  3.4 连接模式识别法  27-28
  3.5 本章小结  28-29
第四章基于动态行为的判决模型  29-35
  4.1 数据挖掘分类算法理论  29
  4.2 距离判决算法理论  29-30
  4.3 判决算法识别模型的构建  30-34
    4.3.1 流量识别模型的搭建及流量数据的获取  30-31
    4.3.2 网络流量数据的处理  31-34
  4.4 本章小结  34-35
第五章判决模型的实验验证  35-45
  5.1 判决算法识别模型的构建  35-42
  5.2 实验流量数据的捕获  42
  5.3 简化后的识别模型的验证  42-44
  5.4 本章小结  44-45
第六章总结与展望  45-48
  6.1 研究工作总结  45-46
  6.2 存在的问题与研究展望  46-48
参考文献  48-50
致谢  50

基于距离判决算法的P2P流量识别模型研究

内容摘要

全文目录

相似论文