学位论文 > 优秀研究生学位论文题录展示

基于多特征匹配的P2P流量检测关键技术研究

作　者: 龙坤
导　师: 陈庶樵
学　校: 解放军信息工程大学
专　业: 通信与信息系统
关键词: P2P特征多特征匹配跨层检测机器学习半监督离线训练高速检测
分类号: TP393.06
类　型: 硕士论文
年　份: 2009年
下　载: 71次
引　用: 0次
阅　读: 论文下载

内容摘要

P2P业务流量占据大量网络带宽资源,同时带来网络安全问题和版权纠纷。P2P应用采用动态随机端口、数据加密和协议伪装等新技术以逃避传统的检测技术,加大了网络流量检测与监管的难度,使得网络运营商对网络应用的掌控能力进一步下降,无法满足网络精细运营的要求。对P2P业务流量进行准确、高效的检测是实现对网络流量管控的根本前提和关键。本文结合国家863计划“十一五”重大项目“新一代高可信网络”总体技术相关课题的研究需求,重点研究P2P业务流量特征和P2P流量检测的关键技术,为实现“高可信”质量水准的网络应用服务和网络业务精细管理提供有力的技术支持。本文主要的研究工作如下:分析了P2P应用网络节点行为特征和P2P业务流特征。对比研究了4种主流的P2P流量检测方法及性能不足,指出多种检测技术综合运用的方法将成为未来P2P流量检测技术发展方向。提出了一种基于多特征匹配的P2P流量综合检测方案。提出了综合PTITB (P2P Traffic Identification Algorithm based on Transport-layer Behaviors)算法和应用层深度报文检测的P2P流量跨层检测方法。该方法可以有效识别P2P加密流量和动态随机端口流量,检测效率高于单纯的深度报文检测方法,解决了基于传输层行为特征的P2P流量识别方法应用分类能力差的缺陷。分析了基于机器学习的P2P流量识别方法存在的不足,提出了一种基于半监督聚类学习的离线训练方法和改进的K-均值在线识别方法。经过簇评估,半监督离线训练方法产生子簇质量优于传统聚类算法。改进的在线识别方法可以有效识别P2P业务流量,对新型应用类型流量检测率高于传统K-均值算法。提出了一种基于抽样的多特征匹配P2P流量高速检测方案,并对关键模块给出详细设计。经过分析验证,该方案可以应用于高速链路上的P2P实时在线检测,具有较高的实用价值。

全文目录

表目录  7-8
图目录  8-10
摘要  10-11
ABSTRACT  11-12
第一章绪论  12-17
  1.1 课题研究背景  12-13
    1.1.1 P2P 流量检测的背景  12-13
    1.1.2 课题来源、目的和意义  13
  1.2 P2P 流量检测技术研究现状  13-14
    1.2.1 P2P 流量检测技术现状  13-14
    1.2.2 P2P 流量检测技术发展趋势  14
  1.3 主要工作与成果  14-15
  1.4 论文结构安排  15-17
第二章 P2P 流量特征分析与流量检测技术比较研究  17-27
  2.1 引言  17
  2.2 P2P 网络节点行为特征分析  17-19
    2.2.1 P2P 节点的双重角色  17
    2.2.2 P2P 节点TCP/UDP 并发连接特征  17-18
    2.2.3 P2P 应用动态端口特点  18
    2.2.4 P2P 网络节点关联特征  18-19
    2.2.5 P2P 系统节点行为特征比较分析  19
  2.3 P2P 业务流量特征分析  19-21
    2.3.1 信令流量特征分析  19-20
    2.3.2 文件共享下载流量特征分析  20-21
    2.3.3 P2P 实时业务流量特征分析  21
  2.4 P2P 流量检测技术比较研究  21-24
    2.4.1 主流P2P 流量检测技术分析  21-24
    2.4.2 P2P 流量检测技术比较及展望  24
  2.5 基于多特征匹配的P2P 流量检测系统框架  24-26
  2.6 本章小结  26-27
第三章基于PTITB 算法的P2P 业务流量跨层检测  27-38
  3.1 引言  27
  3.2 基于行为特征的P2P 流量识别条件  27-29
    3.2.1 P2P 对等体节点连接特征分析  27-28
    3.2.2 P2P 应用使用固定端口特征  28-29
  3.3 P2P 业务流量跨层检测方法  29-34
    3.3.1 基本思想  29-30
    3.3.2 基于传输层行为特征的P2P 业务流量识别算法(PTITB)  30-31
    3.3.3 基于主动识别策略的P2P 动态随机端口检测  31-33
    3.3.4 DPI 深度报文检测模块匹配策略  33-34
  3.4 性能分析  34-37
    3.4.1 检测效率分析  34
    3.4.2 实验条件  34
    3.4.3 识别精度性能及结果分析  34-36
    3.4.4 PTITB 算法参数讨论  36-37
  3.5 本章小结  37-38
第四章基于半监督聚类学习的P2P 业务流在线识别方法  38-55
  4.1 引言  38
  4.2 基于统计特征的P2P 业务流描述  38-41
    4.2.1 基于改进统计量的TCP 业务流描述  38-40
    4.2.2 P2P 实时业务流量源模型  40-41
    4.2.3 基于w 窗口UDP 包长时间分布的P2P 实时业务流描述  41
  4.3 基于半监督聚类学习的P2P 业务流量快速识别方法  41-49
    4.3.1 基本思想  41-42
    4.3.2 基于半监督学习的离线聚类方法  42-45
    4.3.3 基于正态分布的数据点分配策略  45-46
    4.3.4 改进的在线K-Means 聚类算法  46-48
    4.3.5 数据点标识策略及协议伪装流量识别  48-49
  4.4 算法性能评估  49-50
    4.4.1 簇评估  49
    4.4.2 检测性能评价指标  49-50
  4.5 实验测试及结果分析  50-53
  4.6 本章小节  53-55
第五章基于分组抽样多特征匹配的P2P 流量高速检测方案  55-65
  5.1 引言  55
  5.2 基于分组抽样多特征匹配的P2P 流量检测方案模型  55-58
    5.2.1 基本思想  55-57
    5.2.2 系统模块功能说明及性能需求分析  57-58
  5.3 P2P“超级节点”检测模块设计方案  58-63
    5.3.1 基本原理  58-59
    5.3.2 自适应随机抽样模块设计及可行性分析  59
    5.3.3 基于PTITB 算法的P2P 流量检测模块设计及可行性分析  59-60
    5.3.4 P2P 节点在线关联模块设计及列表管理策略  60-63
  5.4 基于机器学习的P2P 流量检测模块  63-64
  5.5 本章小节  64-65
结束语  65-67
参考文献  67-70
附录  70-71
作者简历攻读硕士学位期间完成的主要工作  71-72
致谢  72

相似论文

英汉命名实体翻译方法研究,TP391.2
基于数据分布特征的文本分类研究,TP391.1
人类抗原肽载体结合力预测,R392.1
李群深层结构学习算法研究,TP181
机器学习算法在视频指纹识别中的应用研究,TP391.41
蛋白质关系抽取中平面特征和结构化信息的研究,TP181
基于李群机器学习算法的智能布线,TN710
学习表达式的映射机制研究,TP181
军事港口目标分类平台的设计与实现,TP751
基于多视角的分类器设计与权值优化方法研究,TP18
基于条件随机场的中文分词技术的研究与实现,TP391.1
基于区域高斯特征的人体检测算法,TP391.41
领域知识指导的半监督学习和主动学习倾向性分类研究,TP181
Android恶意软件静态检测方案的研究,TP309
基于马尔可夫链蒙特卡罗方法的RBM学习算法改进,O211.62
基于配体结构的药物靶标预测及细胞色素P450酶代谢底物数据库CYP-Meta的构建,R91
监督主题模型的研究与应用,TP391.1
基于失真效应的图像质量评价与分类,TP391.41
基于学习的逆向运动学人体运动合成,TP391.41
基于内容的网页恶意代码检测的研究与实现,TP393.092
学术主页信息抽取系统的研究,TP393.092