学位论文 > 优秀研究生学位论文题录展示
基于应用层签名特征的P2P流媒体流量识别技术研究
作 者: 徐周李
导 师: 莫松海
学 校: 国防科学技术大学
专 业: 控制科学与工程
关键词: P2P流媒体 流量识别 应用层签名 BP神经网络 实时性 应用级分类
分类号: TP393.08
类 型: 硕士论文
年 份: 2008年
下 载: 221次
引 用: 4次
阅 读: 论文下载
内容摘要
随着P2P技术和多媒体信息处理技术的飞速发展,在互联网上采用P2P技术实现的P2P流媒体应用逐渐成为继P2P文件共享应用之后又一个受到广大互联网用户喜爱的热点应用。但随着P2P流媒体服务的迅猛发展,严重的安全隐患随之产生,有必要对P2P流媒体进行有效而合法的监管。P2P流媒体流量识别是P2P流媒体流量监管的基础。因此,P2P流媒体流量识别的研究成为一个重要的问题。由于目前对P2P流媒体流量识别的研究尚处于起步阶段,相关研究主要集中在对P2P流量的识别,因此对P2P流媒体流量识别的研究面临诸多挑战。本文在研究P2P流量识别技术的基础上,对P2P流媒体流量识别进行了深入研究,提出了有效的方法。归纳起来,本文的研究工作和创新如下:(1)基于应用层签名的P2P流媒体流量识别基于应用层签名的P2P流量识别方法简单、准确,且可对流量进行应用级分类。因此本文提出了使用基于应用层签名的识别方法来识别P2P流媒体流量。在总结P2P文件共享应用的应用层签名特征的基础上,分析并提取了PPlive等当前五种主流的P2P流媒体平台的应用层签名特征。实验表明了本文提取的签名特征的有效性和基于应用层签名的识别方法识别P2P流媒体流量的有效性。(2)基于BP神经网络的P2P流媒体流量识别P2P流媒体是私有协议,手动提取其签名特征比较困难,其签名特征也可能随时间变化;而且字符串匹配花费代价高昂;这些都给基于应用层签名识别方法识别P2P流媒体流量带来了问题。针对这些问题,本文提出了基于BP神经网络自动构建应用层签名识别P2P流媒体流量的方法,该方法不仅能够满足实时性的要求,而且能够对P2P流媒体流量进行应用级的分类。研究和分析了基于BP神经网络的两类分类和多类分类的P2P流媒体流量识别,实验表明了基于BP神经网络自动构建应用层签名方法能够有效的识别P2P流媒体流量。(3)P2P流媒体流量识别系统设计最后,综合运用文中提出的方法,按照模块化设计思想对P2P流媒体流量识别系统进行了设计。P2P流媒体流量识别是P2P流媒体流量监管的基础,本文的研究为P2P流媒体流量监管奠定了良好的理论和技术基础。
|
全文目录
摘要 9-10 ABSTRACT 10-12 第一章 绪论 12-17 1.1 研究背景 12-13 1.2 相关研究现状 13-15 1.2.1 相关研究 13 1.2.2 相关产品 13-14 1.2.3 研究现状总结 14-15 1.3 论文研究内容 15 1.4 论文组织结构 15-17 第二章 P2P流媒体流量识别的研究基础 17-27 2.1 引言 17 2.2 P2P流量识别技术综述 17-23 2.2.1 基于应用层签名的识别方法 17-18 2.2.2 基于流量特征的识别方法 18-20 2.2.3 基于双重特征的识别方法 20-21 2.2.4 基于统计行为特征的识别方法 21-22 2.2.5 P2P流量识别技术的比较 22-23 2.3 P2P文件共享应用的应用层签名特征综述 23-26 2.3.1 BitTorrent 协议的应用层签名特征 24 2.3.2 Gnutella协议的应用层签名特征 24-25 2.3.3 FastTrack/Kazaa协议的应用层签名特征 25 2.3.4 eDonkey /eMule协议的应用层签名特征 25 2.3.5 DirectConnect协议的应用层签名特征 25-26 2.3.6 P2P文件共享应用的应用层签名特征的总结 26 2.4 小结 26-27 第三章 基于应用层签名的P2P流媒体流量识别 27-36 3.1 引言 27 3.2 基于应用层签名的P2P流媒体流量识别 27-32 3.2.1 P2P流媒体的数据分发机制 27-28 3.2.2 P2P流媒体应用层签名特征的提取方法 28-31 3.2.3 P2P流媒体的应用层签名特征 31-32 3.3 识别流程 32-33 3.4 实验与分析 33-35 3.4.1 实验数据和过程 33-34 3.4.2 实验结果与分析 34-35 3.5 小结 35-36 第四章 基于BP神经网络的P2P流媒体流量识别 36-54 4.1 引言 36 4.2 BP神经网络 36-39 4.3 基于BP神经网络的P2P流媒体流量识别 39-41 4.4 识别流程 41-42 4.5 两类分类流量识别实验与分析 42-51 4.5.1 数据预处理 42-43 4.5.2 实验过程 43-44 4.5.3 实验结果与分析 44-51 4.6 多类分类流量识别实验与分析 51-53 4.6.1 实验数据和过程 51-52 4.6.2 实验结果与分析 52-53 4.7 小结 53-54 第五章 P2P流媒体流量识别系统设计 54-58 5.1 引言 54 5.2 系统结构设计 54-55 5.3 系统模块设计 55-56 5.4 系统运行流程 56 5.5 系统部署 56-57 5.6 小结 57-58 第六章 总结和展望 58-60 6.1 论文的总结 58 6.2 论文的研究成果 58-59 6.3 未来工作的展望 59-60 致谢 60-62 参考文献 62-65 作者在学期间取得的学术成果 65
|
相似论文
- 基于FPGA的数字图像处理基本算法研究与实现,TP391.41
- 基于NS2的PeerCast模拟平台设计与实现,TP311.52
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 机械臂视觉伺服系统的研究,TP242.6
- 基于windows的计算机数字控制系统实时性的研究,TG659
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 大学生综合素质测评研究,G645.5
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于聚类分析的P2P流量识别算法的研究,TP393.02
- 高速公路拆迁民众生存系统评价研究,D523
- 一种自适应选择处理节点的时空查询算法,TN929.5
- 煤矿风险信息集成与智能预警研究,X936
- 基于计算机视觉的柑橘品质分级技术研究,TP391.41
- 基于模拟的注塑模浇注系统及成型工艺参数优化研究,TQ320.662
- 基于神经网络的漯河技术监督局食品安全预警系统研究,F203
- 基于神经网络的自适应噪声主动控制研究,TP183
- 数字型仪表自动识读系统研究,TP391.41
- 面向肺部CAD的特征提取、选择及分类方法研究,TP391.41
- 多向变异遗传算法及其优化神经网络的研究,TP18
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 计算机网络 > 一般性问题 > 计算机网络安全
© 2012 www.xueweilunwen.com
|