基于传输层的P2P流量识别研究

摘要

P2P业务流量在对互联网应用起巨大推动作用的同时,也消耗了大量的网络资源,妨碍了正常网络业务的开展。为了保证网络能正常有序的运行,有必要对P2P流量进行识别,从而进行控制。虽然基于应用层特征字段的P2P流量识别方法已经在各种商用流量监测系统中得到广泛应用,但它仍然有无法避免的缺陷。不但对新出现的P2P应用无能为力,而且对于今后越来越多的将应用层载荷进行加密的P2P应用也无法识别。因此,对基于传输层的P2P流量识别的研究将具有十分重要的意义。本文重点研究了两类基于传输层的P2P流量识别方法-基于连接模式的识别方法和基于流量模式的识别方法。
　　 对于连接模式的识别方法,首先,详细研究了该类方法的实现机理和具体实现步骤；其次,综合国内外最新技术,总结出扩展的基于连接模式的规则集合；最后,设计相关实验。实验表明,基于连接模式的方法具有较高的精度,但算法要对流表数据多次遍历,因此只适用于离线分析。
　　 对于流量模式的识别方法,首先,对数据挖掘技术在流量识别中的应用进行研究；其次,通过对三种聚类算法的比较,发现K-means算法更适合于流量识别技术；第三,给出K-means算法的并行化策略；最后,运用OpenMP技术对K-means算法进行整体并行化。实验表明,在双核环境中,程序的运行效率可以提高接近30％。

目录

文摘

英文文摘

第一章 绪论

1.1 背景介绍

1.2 研究现状

1.3 本文研究工作

第二章 P2P技术综述

2.1 P2P网络的定义

2.2 P2P网络结构

2.2.1 集中式P2P网络

2.2.2 完全分布式非结构化P2P网络

2.2.3 完全分布式结构化P2P网络

2.2.4 混合式P2P网络

2.3 P2P网络和传统网络的对比

2.4 P2P技术的特点

2.5 P2P流量特征及危害

2.6 本章小结

第三章 基于连接模式P2P流量识别的介绍

3.1 PTP方法介绍

3.1.1 启发机制

3.1.2 过滤机制

3.2 BLINC方法介绍

3.2.1 社会级连接特征

3.2.2 功能级连接特征

3.2.3 应用级连接特征

3.2.4 BLINC方法启发式规则集

3.3 现有识别方法的适用性分析

3.4 本章小结

第四章 基于连接模式P2P流量识别的设计与实现

4.1 基于连接模式方法的概述

4.2 算法描述

4.2.1 形式化描述

4.2.2 算法流程

4.3 实验设计

4.3.1 实验环境

4.3.2 数据源

4.3.3 实验方法和步骤

4.4 实验性能分析

4.4.1 漏判性能分析

4.4.2 误判性能分析

4.5 本章小结

第五章 流量识别中数据挖掘算法的研究与实现

5.1 数据挖掘简介

5.2 数据挖掘技术在P2P流量识别中介绍

5.3 聚类算法介绍

5.3.1 K-means算法

5.3.2 DBSCAN算法

5.3.3 EM算法

5.4 K-mesns算法并行化分析

5.4.1 OpenMP技术介绍

5.4.2 并行K-means算法

5.5 实验设计

5.5.1 实验环境

5.5.2 数据选择

5.5.3 实验描述

5.6 实验性能分析

5.7 本章小结

第六章 总结与展望

致谢

参考文献