基于支持向量机的p2p流量识别关键技术研究

《基于支持向量机的p2p流量识别关键技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于支持向量机的P2P流量识别关键技术研究-->第一章绪论近年来，对等计算(Peer-to-Peer，简称P2P)技术迅速发展，日益受到计算机界的关注和青睐，迅速成为业界关注的热门话题之一。P2P技术在文件共享、实时流媒体、视频点播和分布式计算系统等领域都有重要应用。P2P技术的使用使得用户可获得的资源更广泛，内容更丰富，形式更多样，但P2P技术的广泛使用带来许多负面影响，如吞噬网络资源、知识侵权、网络安全等，这些问题也导致P2P流量识别研究迫在眉睫。同时P2P流量的准确高效识别是网络运营商或网络管理员开展网络活动

2、的前提。可见，P2P网络虽然能提供快速高效的文件共享、低成本高可用的计算资源和存储资源共享，并且具有强大的网络连通性，以及更直接更灵活的信息传送能力。然而，P2P网络在提供高效快速资源共享的同时，也带来了众多的问题：P2P对传输速度的需求高，且P2P应用的数据交换具有一对多、突发性和分布式特性，P2P用户的超大容量下载，消耗了大量带宽；其用户抢占了大约70%以上的网络带宽，造成企业及网络设备供应商的链路出现瓶颈效应；P2P用户大批量地下载各种文件，使得网络负荷极大的增加，特别是在高峰时段，经常会出现网络不畅等状况。

3、随着P2P应用的快速发展，P2P指数级增长的数据传输使得网络带宽资源更加紧张。因此，为了确保其他正常网络用户的服务，同时为了更好地发挥P2P技术的优势，对P2P流量进行分类、识别就成为目前业内研究的一个热点。....第二章P2P流量识别技术的研究综述2.1端口识别法使用基于端口的识别方法对P2P流量的进行识别的方法，同样也可以用来识别普通应用分组。首先，在网络流量中提取需要检测的数据信息，然后通过提取该数据包首部信息中的端口信息，接着将提取到的端口号与已知的固定应用的端口号进行匹配，如果匹配成功，则可以断定该条数据

4、流量为P2P流量。在P2P应用研究的初期有许多学者采用基于端口方法识别P2P流量。Sen等学者[6]使用基于端口识别的方法成功地识别出当时流行的三种P2P文件共享应用(Gnutella、FastTrack、DirectConnect)。Moore[8]等学者，通过提取数据流量的五元组中的端口信息，用基于端口的方法识别出KaZaA流中的TCP端口1214。Lua等学者，通过将数据流的长度和端口相结合，实现了对网络中的一些端口固定的数据进行识别。2.2应用层特征识别法应用层特征识别法，又称为深层数据包检测法(DeepP

5、acketInspection:DPI)，提出该方法的主要原因是因为基于端口识别方法存在的不确定性。因为大部分的P2P应用在其协议中都有明显的能够表明其属于何种应用的特征字信息，因此应用层特征识别法通过协议分析与还原技术，提取P2P应用层数据包中的有效载荷，再通过分析P2P载荷中所包含的协议关键字，将其与已知的特征字信息进行匹配，从而判断所分析的数据流量是否属于P2P应用。在深层数据包检测DPI技术中，通过提取已知的P2P应用中的有效载荷后，再将这些关键字特征存储在特征库中。对于网络中的实时流量，通过模式匹配算法，

6、如果待测流量中含有特征库中的某种关键字特征，则说明该条数据的应用类型就是何种P2P应用。对于早期的P2P应用来说，该方法还是比较有效的[16]。第三章基于区间估计的惩罚因子优化法的P2P流量识别.........213.1支持向量机理论概述..............213.2SVM算法中的核函数参数.....................................283.3一种基于区间估计的惩罚因子寻优法PFOMIE..............30第四章基于黄金分割的参数优法在P2P流量识别中的应用...

7、...........38高斯径向基函数中参数寻优法的研究现状............38一种基于黄金分割的参数寻优算法（POMGS）...............41第五章基于多分类的增量学习算法的P2P流量识别方法....................52SVM增量学习算法的基本理论............52SVM的增量学习算法的相关研究..................53一种多分类的SVM增量学习算法..................55第六章基于优化SVM的P2P流量识别系统的设计与实现6.1整个

8、识别模型的设计策略策略一：使用SVM算法进行初步训练和分类，前述章节已经就为何选择SVM的分类方法进行分类进行了深入的讨论和实验。从理论上来说，由于P2P流量的特征较多，一般的分类算法对于高维数据处理困难，而SVM恰是一种能够解决非线性可分问题的算法，该算法具有一定的自学习能力，不仅能够完成高维空间的分类，而且分类效果较好。因此，整个模型的分类功能，主要由S