| 【中文题名】 | P2P流量检测技术研究 |
| 【英文题名】 | The Study of P2P Traffic Identification Methods |
| 【学科专业】 | 计算机科学与技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-18 |
| 【中关键词】 | 点对点,网络地址转换,网络流量,流量检测,机器学习,支持向量机 |
| 【英关键词】 | Peer-to-Peer,Network Address Translation,Network Traffic,Traffic Identification,Machine Learning,Support Vector Machines,Kernel Functions,Quadratic Programming,Application Level Classification, |
| 【分类导航】 | 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 |
| 【论文摘要】 |
随着共享工具Napster的出现,Peer-to-Peer(P2P)应用在短短几年之内迅速发展并占领了多个网络应用领域。P2P应用使用动态端口、加密应用层数据等策略逃避常规流量检测机制,对流量管理与分析造成困难。
本文在研究了相关P2P流量检测方法的基础上,提出一种基于双重特征的流量检测方法,该方法利用双重特征即流量特征和payload特征检测P2P流量,具有较高的检测效率和合适的检测精度。另外,将支持向量机技术引入P2P流量检测领域,提出两种基于两类支持向量机的P2P流量检测方法即迭代检测法和平滑检测法。迭代检测法通过迭代训练提高检测精度且能够压缩训练样本数,平滑检测法通过平滑处理减小问题复杂度、提高检测精度,实验表明两种方法都能较好地完成从网络流量中分离出P2P流量的任务。最后,基于针对大训练样本的优化支持向量机算法,设计了一种能够进行应用级分类的检测方法,实验表明,该方法不仅效率高,适合于实时流量检测,而且通过调整系统参数可以实现高精度检测。 |
| 【论文题纲】 |
|
摘要 |
8-9 |
|
ABSTRACT |
9-10 |
|
第一章 绪论 |
10-22 |
|
1.1 课题的背景 |
10 |
|
1.2 P2P 概述 |
10-15 |
|
1.2.1 P2P 的定义 |
10-11 |
|
1.2.2 P2P 的历史与发展 |
11-12 |
|
1.2.3 P2P 的特点 |
12-13 |
|
1.2.4 P2P 分类 |
13-15 |
|
1.3 问题的提出 |
15-17 |
|
1.4 国内外现状 |
17-20 |
|
1.4.1 相关研究 |
17-19 |
|
1.4.2 相关产品 |
19-20 |
|
1.5 相关概念 |
20 |
|
1.6 本文的组织结构 |
20-22 |
|
第二章 基于双重特征的P2P 流量检测方法 |
22-34 |
|
2.1 引言 |
22 |
|
2.2 流量特征的选取 |
22-24 |
|
2.3 检测流程 |
24-25 |
|
2.4 流检测算法 |
25-28 |
|
2.5 实验结果与分析 |
28-33 |
|
2.5.1 精度对比 |
28-29 |
|
2.5.2 效率对比 |
29-33 |
|
2.6 小结 |
33-34 |
|
第三章 基于两类支持向量机的P2P 流量检测方法 |
34-57 |
|
3.1 引言 |
34 |
|
3.2 支持向量机技术 |
34-43 |
|
3.2.1 概述 |
34-35 |
|
3.2.2 线性SVM |
35-38 |
|
3.2.3 噪声问题 |
38-40 |
|
3.2.4 核函数 |
40-41 |
|
3.2.5 多类支持向量机 |
41-43 |
|
3.3 特征选取 |
43-47 |
|
3.4 核函数的选取 |
47 |
|
3.5 迭代检测法 |
47-52 |
|
3.5.1 检测流程 |
48 |
|
3.5.2 实验结果与分析 |
48-52 |
|
3.6 平滑检测法 |
52-56 |
|
3.6.1 检测流程 |
52-55 |
|
3.6.2 实验结果与分析 |
55-56 |
|
3.7 小结 |
56-57 |
|
第四章 使用优化支持向量机解决应用级分类问题 |
57-70 |
|
4.1 引言 |
57 |
|
4.2 优化支持向量机 |
57-63 |
|
4.2.1 两类优化支持向量机 |
57-59 |
|
4.2.2 多类优化支持向量机 |
59-63 |
|
4.3 检测流程 |
63-64 |
|
4.4 特征选取 |
64-65 |
|
4.5 实验结果与分析 |
65-69 |
|
4.6 小结 |
69-70 |
|
第五章 结束语 |
70-73 |
|
5.1 本文的主要工作及创新点 |
70-71 |
|
5.2 未来工作的展望 |
71-73 |
|
致谢 |
73-74 |
|
参考文献 |
74-78 |
|
作者在学期间取得的学术成果 |
78 |
|
| 【DOI】 | LunWen.ID:2.2008.375999 |
