P2P數據流監(jiān)管技術研究與系統(tǒng)實現.pdf

1、P2P技術的出現給用戶帶來了全新的上網體驗，用戶在獲得網絡提供的便捷的同時，也深受P2P應用帶來的負面影響。大數據量的上傳下載，嚴重的消耗了網絡帶寬，使服務質量無法保證，給電信運營商帶來很大的困擾，出于內容監(jiān)管和安全性考慮，必須對P2P流量進行有效地分類識別，才能更好的監(jiān)管網絡流量，為流量控制提供依據。
　　隨機端口、端口偽裝技術的出現，使P2P應用可輕易躲過端口審查，DPI技術的出現，使P2P應用無法通過變換端口來躲避檢測，但是

2、DPI技術必須要對數據載荷進行分析，若數據加密，則DPI方法無能為力?；诹髁刻卣鞯淖R別方法，不需要分析載荷信息，具有很好的擴展性，但是無法區(qū)分具體的應用。基于機器學習的方法有很好的識別效果，但是對訓練數據要求較高。各種方法都有其缺陷，因此，多種方法的有效結合成為可能。
　　本文通過對幾種流量分析方法的對比，提出一種基于傳輸層多重特征結合SVM多分類的識別方法。主要研究內容如下：
　　1.深入研究傳輸層特征，主要從兩個方面入

3、手，首先研究流量特征，統(tǒng)計單位時間內的上下行流量值，發(fā)現P2P流量具有固定的范圍。其次，研究連接特點，統(tǒng)計單位時間源地址端口比值，發(fā)現此值與非P2P應用有很好的區(qū)分度。結合上述分析提出基于傳輸層多種特征結合端口識別的算法及實現。
　　2.鑒于SVM小樣本分類中的優(yōu)勢，采用多分類方法，分別從連接層面和流量層面提取特征屬性，設計實現了基于SVM的應用識別模型框架。
　　3.根據算法選擇的閥值，對數據進行測試，實驗結果表明，該方法