基于統(tǒng)計(jì)特征的P2P流量識別技術(shù)研究.pdf

1、P2P是近年來互聯(lián)網(wǎng)最熱門的技術(shù)之一，在VoIP、文件下載、流媒體、協(xié)調(diào)計(jì)算等領(lǐng)域得到飛速發(fā)展。P2P應(yīng)用對網(wǎng)絡(luò)帶寬資源消耗巨大，據(jù)統(tǒng)計(jì)P2P業(yè)務(wù)的帶寬占用比率大致是40％～60％，在極端情況下會(huì)占用80％～90％，對Web、Email等其他網(wǎng)絡(luò)服務(wù)構(gòu)成了嚴(yán)重威脅，并且由于P2P應(yīng)用的吞噬特性，僅僅增大帶寬并不能緩解網(wǎng)絡(luò)擁擠狀況。為保障正常業(yè)務(wù)的運(yùn)行，ISP、企業(yè)網(wǎng)、校園網(wǎng)紛紛希望在網(wǎng)絡(luò)繁忙時(shí)段能夠?qū)φ加么罅繋挼腜2P應(yīng)用加以限制，P

2、2P流量的準(zhǔn)確識別是這一愿望得以實(shí)現(xiàn)的前提。
　　 本文從研究背景出發(fā)，介紹了P2P的定義與特點(diǎn)、P2P的工作原理以及P2P的典型應(yīng)用，并對其中主要部分進(jìn)行相關(guān)分析，研究了由于自身特點(diǎn)給網(wǎng)絡(luò)環(huán)境帶來的一些問題，明確了監(jiān)控P2P流量對網(wǎng)絡(luò)正常運(yùn)行的必要性，由此引出P2P流量識別的重要性。接著對P2P流量識別的各個(gè)主要技術(shù)進(jìn)行簡要的介紹，概要的分析了三大主要識別技術(shù)的優(yōu)缺點(diǎn)和經(jīng)典文獻(xiàn)，從算法的時(shí)空復(fù)雜度和P2P流量本身的特性兩點(diǎn)上，

3、本文得出基于統(tǒng)計(jì)特征的識別方法的優(yōu)越性。
　　 為了全面的分析各個(gè)P2P流量識別方法的特點(diǎn)，本文依據(jù)統(tǒng)計(jì)特征的差異性綜述了P2P流量識別方法，我們指出P2P流量識別方法分為基于人工經(jīng)驗(yàn)的和基于機(jī)器學(xué)習(xí)方法兩個(gè)大類。其中，基于人工經(jīng)驗(yàn)的識別方法依據(jù)所采用的統(tǒng)計(jì)特征的不同又可加以細(xì)分，本文所歸納的統(tǒng)計(jì)特征有：IP端口對特征、網(wǎng)絡(luò)直徑特征、節(jié)點(diǎn)角色特征、傳輸層類型和上傳下載比率特征?；谌斯そ?jīng)驗(yàn)的識別方法能夠依據(jù)單一或者多個(gè)統(tǒng)計(jì)特征，

4、對離線P2P數(shù)據(jù)集進(jìn)行批處理式的掃描，識別準(zhǔn)確率較高，然而，由于沒有權(quán)威數(shù)據(jù)集的支撐，大多數(shù)方法僅依靠人工進(jìn)行統(tǒng)計(jì)分析，其分析結(jié)果受方法的約束較大?；跈C(jī)器學(xué)習(xí)的識別方法正是針對這一問題所提出的，也是目前研究的特點(diǎn)。把統(tǒng)計(jì)特征與機(jī)器學(xué)習(xí)算法相結(jié)合，能夠利用統(tǒng)計(jì)特征的準(zhǔn)確性和機(jī)器學(xué)習(xí)算法的穩(wěn)定高效性。本文所歸納的機(jī)器學(xué)習(xí)算法有：支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、決策樹以及相關(guān)流挖掘算法。
　　 為了驗(yàn)證統(tǒng)計(jì)特征與機(jī)器學(xué)習(xí)算法結(jié)合識別的有效性，

5、本文指出傳統(tǒng)學(xué)習(xí)方法由于內(nèi)存限定的局限性，無法在超過限定內(nèi)存的情況下繼續(xù)進(jìn)行流量識別。本文通過結(jié)合統(tǒng)計(jì)特征和快速?zèng)Q策樹識別方法，來解決快速到達(dá)的在線流數(shù)據(jù)，實(shí)驗(yàn)表明，該方法與傳統(tǒng)決策樹方法C4.5相比，在不損失準(zhǔn)確率的前提下，保證了大量數(shù)據(jù)的持續(xù)識別。
　　 為了解決在概念漂移環(huán)境下，結(jié)合統(tǒng)計(jì)特征與機(jī)器學(xué)習(xí)算法進(jìn)行識別的正確性，本文指出傳統(tǒng)機(jī)器學(xué)習(xí)方法由于假定實(shí)驗(yàn)數(shù)據(jù)平穩(wěn)分布，無法在具有概念漂移的環(huán)境中對大量數(shù)據(jù)進(jìn)行有效識別。本