基于統(tǒng)計特征的P2P流量識別技術研究.pdf

1、P2P是近年來互聯(lián)網(wǎng)最熱門的技術之一，在VoIP、文件下載、流媒體、協(xié)調計算等領域得到飛速發(fā)展。P2P應用對網(wǎng)絡帶寬資源消耗巨大，據(jù)統(tǒng)計P2P業(yè)務的帶寬占用比率大致是40％～60％，在極端情況下會占用80％～90％，對Web、Email等其他網(wǎng)絡服務構成了嚴重威脅，并且由于P2P應用的吞噬特性，僅僅增大帶寬并不能緩解網(wǎng)絡擁擠狀況。為保障正常業(yè)務的運行，ISP、企業(yè)網(wǎng)、校園網(wǎng)紛紛希望在網(wǎng)絡繁忙時段能夠對占用大量帶寬的P2P應用加以限制，P

2、2P流量的準確識別是這一愿望得以實現(xiàn)的前提。
　　 本文從研究背景出發(fā)，介紹了P2P的定義與特點、P2P的工作原理以及P2P的典型應用，并對其中主要部分進行相關分析，研究了由于自身特點給網(wǎng)絡環(huán)境帶來的一些問題，明確了監(jiān)控P2P流量對網(wǎng)絡正常運行的必要性，由此引出P2P流量識別的重要性。接著對P2P流量識別的各個主要技術進行簡要的介紹，概要的分析了三大主要識別技術的優(yōu)缺點和經典文獻，從算法的時空復雜度和P2P流量本身的特性兩點上，

3、本文得出基于統(tǒng)計特征的識別方法的優(yōu)越性。
　　 為了全面的分析各個P2P流量識別方法的特點，本文依據(jù)統(tǒng)計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驗的和基于機器學習方法兩個大類。其中，基于人工經驗的識別方法依據(jù)所采用的統(tǒng)計特征的不同又可加以細分，本文所歸納的統(tǒng)計特征有：IP端口對特征、網(wǎng)絡直徑特征、節(jié)點角色特征、傳輸層類型和上傳下載比率特征?；谌斯そ涷灥淖R別方法能夠依據(jù)單一或者多個統(tǒng)計特征，

4、對離線P2P數(shù)據(jù)集進行批處理式的掃描，識別準確率較高，然而，由于沒有權威數(shù)據(jù)集的支撐，大多數(shù)方法僅依靠人工進行統(tǒng)計分析，其分析結果受方法的約束較大。基于機器學習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。把統(tǒng)計特征與機器學習算法相結合，能夠利用統(tǒng)計特征的準確性和機器學習算法的穩(wěn)定高效性。本文所歸納的機器學習算法有：支持向量機、神經網(wǎng)絡、決策樹以及相關流挖掘算法。
　　 為了驗證統(tǒng)計特征與機器學習算法結合識別的有效性，

5、本文指出傳統(tǒng)學習方法由于內存限定的局限性，無法在超過限定內存的情況下繼續(xù)進行流量識別。本文通過結合統(tǒng)計特征和快速決策樹識別方法，來解決快速到達的在線流數(shù)據(jù)，實驗表明，該方法與傳統(tǒng)決策樹方法C4.5相比，在不損失準確率的前提下，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，結合統(tǒng)計特征與機器學習算法進行識別的正確性，本文指出傳統(tǒng)機器學習方法由于假定實驗數(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)進行有效識別。本