基于SVM的P2P數(shù)據(jù)流檢測(cè)技術(shù)的研究.pdf

1、P2P(Peer to Peer)技術(shù)在Internet中占有舉足輕重的地位,近年來迅速成為計(jì)算機(jī)網(wǎng)絡(luò)界關(guān)注的焦點(diǎn);但是P2P技術(shù)發(fā)展的同時(shí)帶來了網(wǎng)絡(luò)帶寬的大量占用、知識(shí)產(chǎn)權(quán)糾紛、安全威脅等問題。為了促進(jìn)P2P網(wǎng)絡(luò)健康發(fā)展,對(duì)P2P數(shù)據(jù)流進(jìn)行有效的監(jiān)管,準(zhǔn)確識(shí)別P2P數(shù)據(jù)流顯然已經(jīng)成為P2P流管理中重要的研究課題。
　　 本文針對(duì)目前P2P數(shù)據(jù)流檢測(cè)中存在的小數(shù)據(jù)流檢測(cè)準(zhǔn)確率不高、偽裝的P2P數(shù)據(jù)流和新出現(xiàn)的P2P數(shù)據(jù)流學(xué)習(xí)能力

2、低,識(shí)別效率不高的問題,設(shè)計(jì)實(shí)現(xiàn)了一個(gè)改進(jìn)的基于SVM的P2P數(shù)據(jù)流識(shí)別技術(shù),主要圍繞以下幾方面的問題進(jìn)行了研究和討論:(1)在數(shù)據(jù)包采樣階段應(yīng)用SGS變頻率數(shù)據(jù)包采樣策略,相比于傳統(tǒng)的固定頻率數(shù)據(jù)包采樣方法,能夠?qū)崟r(shí)地靈活控制數(shù)據(jù)包采樣頻率,根據(jù)現(xiàn)實(shí)網(wǎng)絡(luò)情況更好地實(shí)現(xiàn)小數(shù)據(jù)流的采樣,創(chuàng)建均衡的數(shù)據(jù)流量樣本集;(2)設(shè)計(jì)構(gòu)造了SVM訓(xùn)練樣本集,根據(jù)正例反例樣本的均衡性,樣本代表性等原則,對(duì)不同的P2P網(wǎng)絡(luò)應(yīng)用和非P2P網(wǎng)絡(luò)應(yīng)用中200余

3、個(gè)流量特征進(jìn)行統(tǒng)計(jì)分析,權(quán)衡P2P樣本訓(xùn)練的效率與分類器準(zhǔn)確率,選取五個(gè)數(shù)據(jù)流特征作為樣本特征;(3)首次訓(xùn)練采用訓(xùn)練樣本集生成數(shù)據(jù)流分類器,之后將增量學(xué)習(xí)算法應(yīng)用到SVM迭代訓(xùn)練當(dāng)中,將分類錯(cuò)誤的樣本與已有的支持向量集組成新的訓(xùn)練樣本,并且對(duì)新的訓(xùn)練樣本進(jìn)行分組訓(xùn)練以達(dá)到對(duì)樣本學(xué)習(xí)規(guī)模、訓(xùn)練時(shí)間復(fù)雜度和迭代訓(xùn)練樣本對(duì)SVM分類器靈敏度影響的控制。
　　 本文采用Andew Moore數(shù)據(jù)集和某網(wǎng)絡(luò)服務(wù)器截獲的數(shù)據(jù)流集作為測(cè)試樣