P2P流量的識別與檢測技術的研究.pdf_第1頁
已閱讀1頁,還剩67頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、自二十世紀九十年代末 P2P技術出現以來,P2P應用迅速發(fā)展,目前已占領多個網絡應用領域。P2P應用在為用戶提供前所未有的便利的同時,也已經嚴重影響了其他網絡應用的正常開展。P2P應用使用動態(tài)端口、加密應用層數據等策略逃避常規(guī)流量檢測機制,對流量檢測與管理造成困難。
  對P2P應用流量的檢測是建立在對P2P技術充分理解基礎上的,本文根據P2P技術的發(fā)展,分析了其體系架構的變化,并研究了各種體系架構下的相關搜索技術。同時,以經典的

2、P2P應用——eDonkey為例,對其進行了協議分析。
  P2P流量檢測技術是一研究熱點,國內外的研究學者提出了多種檢測方法,包括基于端口的,基于流統(tǒng)計特性的,基于傳輸層行為特征的和基于深層數據包掃描的。但這些方法存在著不同程度的缺陷。相對于傳統(tǒng)的檢測方法來說,支持向量機技術為P2P流量檢測技術注入了新的活力。支持向量機(Support Vector Machine,簡稱SVM)建立在統(tǒng)計學習理論和結構風險最小化原理基礎之上,避

3、免了局部最優(yōu)解,在解決小樣本的分類問題中表現出許多特有的優(yōu)勢。基于對P2P相關技術及支持向量機技術的研究,本文提出了基于支持向量機的P2P流量檢測技術。
  在研究支持向量機技術的基礎上,提出了基于SVM的P2P流量檢測系統(tǒng)模型,并對模型各個組件的功能、機制、實現進行了深入探討。在P2P流量特征選取上,本文從數據包、數據流、網絡連接三個層面進行了特征選取。對用于 P2P流量檢測的網絡數據特征,本文利用異構數據集上的距離度量函數HV

4、DM進行了特征數據的預處理,并在有保證的估計方法的基礎上進行了訓練數據規(guī)模的確定,既避免了因訓練數據規(guī)模過小而導致的訓練結構太差問題,又減少了訓練時間,提高了訓練效率。在訓練數據的過程中,本文采用了兩種優(yōu)化方法對訓練過程進行優(yōu)化處理。一是運用模糊數學理論,考慮不同的網絡數據特征對P2P流量檢測結果的影響程度,提出了一種特征加權處理方法,并通過實驗數據說明該方法在檢測精度上有所提高;二是運用循環(huán)選擇算法,對訓練數據進行循環(huán)選擇。這樣,一方

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論