支持向量机在P2P网络流量检测中的应用

摘要

近年来，P2P技术作为一种全新的网络应用，正主导着互联网的发展方向，与此同时P2P的管理问题也成为当前互联网络中最大的难题。因此，实现对P2P流量的有效识别及控制成为了当前亟待解决的问题。传统的控制P2P流量方法是基于固定端口的检测技术，但随着技术的发展，很多P2P应用往往采用动态随机端口、跳跃端口、冒充HTTP、有效载荷加密等技术逃避检测。此外还有基于深层数据包检测技术以及基于流量特征的检测技术，但单纯地应用以上检测技术都不能达到很好的效果。 支持向量机对小样本集具有泛化能力强，分类精度高的优点。本文在系统地研究了统计学习理论中最成熟的算法支持向量机的相关理论基础上，深入研究了支持向量机在P2P流量检测中的应用技术。 论文通过查阅大量文献资料，分析P2P流量特征及在控制P2P流量过程中存在的问题，比较目前P2P流量检测的几种技术及优缺点，提出利用支持向量机来识别P2P流量。主要研究内容和创新点如下：第一，研究支持向量机理论和最小二乘支持向量机，提出最小二乘支持向量机的改进算法。第二，围绕将支持向量机应用到P2P流量检测的思路，提出了基于支持向量机的P2P流量检测模型，利用改进最小二乘支持向量机作为学习机模型，设计P2P流量检测实验，通过训练分类器实验结合交叉组合法得到了合理的核函数参数，并深入探讨了主要参数调整对支持向量机性能的影响。从虚警率和漏警率以及检测率三个方面评价了分类器的分类效果。第三，分析了几种传统的支持向量机多分类算法，提出了基于二分类支持向量机的多分类算法的改进策略，设计了基于二分类SVM的多分类实验，并取得了很好的效果。 在本文的最后，对论文所做的工作进行了总结归纳，并提出了一些方法的不足和改进之处，对下一步研究做了展望。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题研究来源及研究的目的和意义

1.2国内外研究现状

1.2.1 P2P流量研究现状

1.2.2支持向量机的研究现状

1.3论文的主要工作

1.4论文的结构安排

第2章 P2P技术及其流量检测概述

2.1 P2P技术概述

2.1.1 P2P定义

2.1.2 P2P网络结构

2.1.3 P2P网络特点

2.2 P2P流量检测问题分析

2.2.1 P2P流量特征

2.2.2 P2P流量控制中存在的问题

2.3 P2P流量检测技术

2.3.1基于固定端口的检测技术

2.3.2基于深层数据包检测技术

2.3.3基于流量特征的检测技术

2.4本章小结

第3章统计学习理论及LS-SVM算法改进

3.1引言

3.2机器学习的基本数学问题

3.2.1问题的数学模型表示

3.2.2经验风险最小化

3.2.3复杂性与推广能力

3.3统计学习理论的核心内容

3.3.1 VC维

3.3.2推广性的界

3.3.3结构风险最小化原则

3.4支持向量机理论

3.4.1广义最优分类面与线性可分

3.4.2线性不可分与核函数

3.5改进最小二乘支持向量机

3.5.1 LS-SVM原理

3.5.2改进LS-SVM算法

3.6本章小结

第4章基于SVM的P2P流量检测方法

4.1基于SVM的P2P流量检测方法分析

4.2问题描述及理论思想

4.3网络流量样本特征提取

4.3.1数据采集

4.3.2特征提取

4.4数据预处理

4.5核函数的选取

4.6交叉组合法选取核参数及参数分析

4.7检测流程

4.8实验结果及分析

4.9本章小结

第5章优化SVM改进支持向量机多分类算法

5.1经典多分类SVM

5.1.1一对一(1-vs-1)分类器

5.1.2一对多(1-vs-all)分类器

5.1.3决策导向非循环图支持向量机

5.2基于二分类SVM的改进策略

5.3实验及结果分析

5.3.1实验数据及参数选择

5.3.2模型结构

5.3.3测试分类器及实验结果分析

5.4本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢