基于统计特征的P2P流分类方法研究

摘要

近年来，随着互联网的高速发展和新型互联网服务的涌现，丰富的网络应用给我们的日常生活带来了极大的便利，然而任何事情都具备两面性，互联网亦如此。日益复杂的互联网系统架构，以及越来越多的新型应用，使得互联网的监管愈加困难。特别是随着各类 P2P应用的广泛使用，其对互联网带宽的消耗剧增，这已严重地侵害了传统的互联网服务。因此针对 P2P流量的分类与识别已成为目前网络管理与规划的迫切需求。
　　本文的研究工作主要包含了以下三个方面：
　　一、阐述了课题相关的研究背景，学习借鉴了国内外的研究现状，并在此基础上全面地分析了基于端口号、基于深度包检测、基于统计特征的 P2P流分类方法的实现原理及优缺点。
　　二、通过对采集的P2P流量进行包长分布序列的统计与分析，概括性的描述了 P2P流传输模式。提出并实现了基于距离的特征选择算法，从而筛选出自有的特征子集。根据前人所做分析与总结，本文选用 C4.5与SVM作为分类模型的构建算法。
　　三、将前文所提的统计特征子集与所选的机器学习算法相结合，实现了基于统计特征的 P2P流分类方法，并利用分类评价标准，对该方法进行了全面的测试与评价。
　　评价结果标明，该方法能够对 P2P流量进行有效的分类，基本实现了设计的目标。在总结了该法的优势与不足之后，文中还对可改进的方面提出了意见，并指明了今后的研究方向。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 引言

第一节 研究背景和现状

第二节 选题目的和意义

第三节 论文内容与结构安排

第二章 P2P流分类方法概述

第一节 P2P技术介绍

第二节 基于端口号的P2P流分类方法

第三节 基于深度包检测的P2P流分类方法

第四节 基于统计特征的P2P流分类方法

第五节 本章小结

第三章 基于统计特征的P2P流分类方法设计与实现

第一节 总体设计

第二节 网络数据流的采集与预处理

第三节 统计特征的选择

第四节 机器学习算法选择

第五节 Weka机器学习平台

第六节 分类评价标准

第七节 本章小结

第四章 实验及结果分析

第一节 实验环境

第二节 实验方案设计

第三节 本章小结

第五章 结束语

第一节 总结

第二节 展望

参考文献

致谢

附录A：图索引

附录B：表索引

个人简历、在学期间发表的学术论文与研究成果