一種改進的P2P流量識別方法的研究與實現(xiàn).pdf

1、近年來，P2P流量已經(jīng)逐漸成為整個互聯(lián)網(wǎng)流量的重要組成部分。由于P2P技術本身具有無中心化、松散、分布式等特性。伴隨P2P應用規(guī)模的不斷擴大，P2P應用所帶來的寬帶資源占用、網(wǎng)絡性能下降、版權糾紛、網(wǎng)絡安全問題等負面影響也慢慢顯露出來，給網(wǎng)絡監(jiān)管提出了新的問題。監(jiān)管的前提是對P2P流量合理有效地識別，P2P流量識別成為必須解決的問題。傳統(tǒng)的基于端口、基于深層數(shù)據(jù)包的方法由于其固有的缺點并不能很好地解決流量識別中新出現(xiàn)的端口跳變，協(xié)議加密

2、，協(xié)議不公開等問題，新興的基于網(wǎng)絡行為特征和機器學習的方法在這些方面體現(xiàn)出了識別優(yōu)勢，成為了該研究領域眾多學者研究的重點。
　　 本文在分析了眾多流量識別方法的基礎上，采用在機器學習領域有著良好分類效果的支持向量機技術并通過數(shù)據(jù)流特征的有效選取來進行P2P流量的識別。本文首先對支持向量機的基本原理進行深入的研究，理解了對分類起重要作用的分類超平面，對核函數(shù)的重要概念及涉及到的影響訓練建模精度的參數(shù)進行了分析。其次根據(jù)支持向量機分

3、類方法的特點，從應用原理和實驗上分析了對識別結(jié)果有重要影響的數(shù)據(jù)流特征屬性的選取，并選取了平均包大小、目的端口、持續(xù)時間、上下行流量比4個特征作為支持向量機的輸入。在此基礎上提出了利用流特征屬性與支持向量機技術結(jié)合的識別P2P流量的模型，對模型的總體架構(gòu)和各個模塊進行了具體的設計，并借助WinPeap庫函數(shù)和Libsvm軟件，通過編碼對系統(tǒng)進行了實現(xiàn)。最后，使用系統(tǒng)在真實的網(wǎng)絡環(huán)境中進行了測試，實驗結(jié)果表明系統(tǒng)在獲取的數(shù)據(jù)中具有不錯的識