基于特征字符串和IP-Port的P2P流量识别方法

摘要

随着互联网的快速发展和P2P协议的广泛应用，P2P应用也随之迅速增长。由于P2P网络具有共享资源和文件的独特优势，因此P2P网络被广泛地应用到网络电视、资源下载以及局域网共享等领域。高兴的是各种P2P应用大大地丰富了人们的网络生活，但是P2P应用一般会抢占大量的网络带宽资源，降低网速。据统计，2009年互联网中由P2P应用程序产生的P2P流量已经占互联网总流量的比例高达60％-80%，因此严重地威胁到网络的正常运营。因此，提出一种快效且高识别率的P2P流量识别方法具有非常重要的现实意义。
　　本文从P2P协议的应用层特征角度着手，研究和分析了目前P2P应用发展的状况以及典型的P2P应用。通过结合深度包检测技术、应用层特征和IP-Port等多种P2P流量识别方法的分析，本文构建了一个P2P流量综合识别模型。论文的主要工作如下：
　　1.通过阅读大量的国内外文献，了解P2P协议的发展、背景和P2P流量的识别意义、以及国内外的研究现状。
　　2.研究分析了当前主流的几种 P2P流量识别方法的工作原理和具体的实现过程，及其各自在P2P流量识别过程中的优点和存在的问题。
　　3.介绍了两种常见的字符串匹配算法：单模式字符串匹配算法BM算法和单模式字符串匹配算法KMP算法。
　　4.提出了一种新的基于特征字符串和IP-Port的P2P流量识别方法。详细说明该方法的理论基础、流程图、各个功能模块的步骤以及具体的实验步骤。实现了基于特征字符串和IP-Port的P2P流量识别模型，给出了识别QQLive、KuGou和μTorrent中P2P流量的实验结果和实验程序。
　　5.对实验结果进行分析。实验结果表明本模型能够识别各种P2P流量，具有较高的识别准确率，而且能够很好的实现P2P流量识别与控制目标P2P流量。
　　6.通过分析实验结果和存在的问题，对未来识别方法进行了展望。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究目的和意义

1.2 国内外研究现状

1.3 论文的主要研究内容

1.4 论文组织结构

第二章 P2P流量识别技术

2.1 基于端口的P2P流量识别技术

2.2 基于行为特征的识别方法

2.3 深层数据包检测方法

2.4 基于机器学习的识别方法

2.5 本章小结

第三章 应用层特征字符串匹配算法研究

3.1 时间复杂度和空间复杂度

3.2 BM算法

3.3 KMP箅法

3.4 AC算法

3.5 本章小结

第四章 基于特征字符串和IP-Port的P2P流量识别

4.1识别模型

4.2 数据预处理

4.3 流量判决

4.4 本章小结

第五章 识别模型测试及性能分析

5.1 测试环境和测试方法

5.2 实验结果

5.3 实验结果分析与对比

5.4 本章小结

第六章 总结和展望

参考文献

附录

附录1 QQLive的识别实验一

附录2 KuGou的识别实验二

附录3 μTorrent的识别实验三

攻读硕士学位期间发表的论文

致谢