最新寒食-韩翃-字君平-大历十才子-唐教学讲义PPT课件.ppt

《最新寒食-韩翃-字君平-大历十才子-唐教学讲义PPT课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、寒食-韩翃-字君平-大历十才子-唐诗人简介韩翃，（生卒年不详），字君平，南阳（今河南南阳）人。唐代诗人，与钱起等诗人齐名，时称“大历十才子”。韩翃诗笔法轻巧，写景别致，在当时传诵很广。诗多写送别唱和题材，如《韩君平诗集》，全唐诗录存其诗三卷。寒食节介绍寒食节亦称“禁烟节”、“冷节”、“百五节”，在夏历冬至后一百零五日，清明节前一二日。是日初为节时，禁烟火，只吃冷食。寒食节前后绵延两千余年，曾被称为民间第一大祭日。理解诗意暮春的长安城里漫天飞舞着杨花柳絮，寒食节东风吹斜了宫中的柳树。暮色降临，宫里开始传赐蜡

2、烛，轻烟在皇帝贵戚家渐渐升起。P2P流量识别问题初探周骏2007.5.26内容提要研究背景研究现状分析与探讨小结研究背景与传统的分布式系统相比，P2P技术的分布化程度、可扩展性、健壮性、性价比、负载均衡能力等都表现得更加优秀，客观来说比较适合现有网络结构，因此，P2P应用在近年来得到了迅猛的发展。P2P流量在Internet流量中占据的比例越来越重，仅仅靠提高网络容量很难应对这种局面，有效的解决办法是研究和发展P2P流量的识别和过滤技术。Cont.P2P技术正是在不断地挑战中生存并发展的，它不断采用新的技

3、术隐藏传输行为，躲避运营商的识别。动态端口应用层隧道加密传输采用分布式散列表（DistributedHashTable,DHT）技术提高分布化程度研究现状P2P流量分类和识别主要分为4种类型。基于端口识别基于应用协议特征字识别基于行为特征的启发式识别基于机器学习方法的分类和识别基于特征端口的识别通常，基于特征端口来识别网络流量和应用是最为简单并行之有效的方法。随着端口跳变、信息隐藏等技术的广泛采用，这种识别方法已经不再适用于P2P流量的识别与检测。基于应用协议特征字的识别优点在于识别的准确率高、可在线处理

4、缺点在于需要获取分组的应用层负载，对处理效率的影响较为严重涉及到隐私保护等法律问题对于采用了信息加密传输的应用无法识别应用协议的特征字提取比较困难应用协议升级后，必须重新提取特征字无法识别新应用。Cont.Haffner,Sen等人提出了自动构造应用特征字的一种方法（AutomatedConstructionofApplicationSignatures,ACAS）采用机器学习技术，使用预先分类好的样本数据对分类器进行训练后，可以用于应用特征字的自动提取是一种新的思路，但该方法还不够成熟基于行为特征的启发

5、式识别综合利用流的属性、统计特性以及流的行为特征，按照启发式规则对流进行分析，达到对P2P流量分类和识别的目的。优点是：不依赖于流的应用层报文内容，用于分析的测度及其导出指标容易获取，因此便于工程实现和应用。缺点是：分类和识别的结果不是确定性的，而是基于概率的结果，因此方法的精度取决于P2P应用特征的显著程度和启发式规则对这种特征的覆盖能力。此外，这类方法用于分类效果较好，用于单个P2P应用识别还有待进一步研究。代表性方法T.Karagiannis,A.Broido,M.Faloutsos,andK.cl

6、affy,“TransportLayerIdentificationofP2PTraffic,”inIMC’04,Taormina,Italy,October25-27,2004.根据少量的运输层首部信息，使用两种启发规则来进行P2P流识别，该方法只能用于事后分析。可识别出90%以上的P2P流量，表明了基于流的运输层行为特征也可以进行流量识别，摆脱了基于应用协议特征字进行识别时所面临的困境。Cont.BLINC方法（参见程磊论文）结合流的属性和参与特定应用时主机的行为特征，进行P2P流量识别提出了主机行为

7、特征的社交层、功能层和应用层描述6条启发式规则可以对80~90%的流量进行分类，准确性高于95%Cont.Cross-Layerpeer-to-peertrafficidentificationandoptimizationbasedonactivenetworking.主动网络技术基于小波分析的模式检测方法P2P测量、识别和优化的架构，跨层协作的P2P识别和优化方法eDonkeyvsFTP分组到达间隔时间，分组大小模拟结果表明，在进行了6层小波包分解后，在1、3、6层两种协议的差别非常显著。Cont.F

8、.Constantinou等，IdentifyingKnownandUnknownP2PTraffic.P2P应用中存在的两个特征进行识别：①覆盖网络直径大；②参与主机既是客户机又是服务器。该方法具有较好的性能（使用普通PC机，处理速度高于200,000pkt/s），但是精度还有待进一步提高（4个验证数据集平均情况下，漏报率在10%左右）覆盖网络直径的近似计算方法Cont.DanielStutzbach,RezaRejaie.