学位论文 > 优秀研究生学位论文题录展示

P2P网络深度包业务识别（DPI）方法的改进

作　者: 李鸿斌
导　师: 张顺颐
学　校: 南京邮电大学
专　业: 计算机应用技术
关键词: 对等网络业务识别时间复杂度算法后缀数组模式匹配 AC自动机
分类号: TP393.02
类　型: 硕士论文
年　份: 2011年
下　载: 68次
引　用: 0次
阅　读: 论文下载

内容摘要

近些年来,P2P(Peer-to-Peer)技术的使用越来越广泛。然而P2P技术给人们带来便利的同时,也造成了不少问题。例如,P2P流量的“带宽吞噬”特性造成了网络带宽的巨大消耗,甚至会引起网络拥塞,大大降低了网络服务性能,劣化了网络服务质量。因此对网络流量中的P2P业务进行识别具有重要的意义。本论文首先简要介绍业务识别的常用方法,即端口号识别方法、机器学习识别方法,分析这两种识别方法的工作原理,比较它们的优点和不足,然后重点介绍业务识别准确性最高的DPI(Deep Packet Identification)识别方法。通过研究,发现DPI方法存在两大问题:1)过于依赖业务的应用层特征码,但是提取业务的应用层特征码比较困难。2)AC自动机算法是一种高效的多模式匹配算法,经常被用于DPI方法里的模式匹配。然而由于AC自动机算法的原理是先离线构造一个匹配模版,然后进行模式匹配,但是当发现一个新的应用层特征码时,必须用所有的应用层特征码重新构造一个匹配模版,所以AC自动机算法的扩展性不佳,降低了它在DPI方法中应用的效率。针对这两个问题,作者提出一种基于后缀数组的算法来高效提取业务的应用层特征码,同时提出一种基于增量式构造AC自动机的匹配模板算法,提高AC自动机算法在DPI方法中的扩展性。论文中将从理论角度证明算法的正确性和高效性,此外还将设计与实现一个采用DPI方法的业务识别仿真系统,并将这两个算法应用此系统中,从实际角度证明这两个算法的正确性和高效性。

全文目录

摘要  4-5
ABSTRACT  5-9
第一章绪论  9-12
  1.1 研究背景  9
  1.2 研究现状  9-10
  1.3 作者所做工作以及论文创新点  10
  1.4 论文组织结构  10-12
第二章业务识别的相关方法  12-24
  2.1 端口号识别方法  12
  2.2 机器学习识别方法  12-14
    2.2.1 支持向量机  12-13
    2.2.2 神经网络  13-14
  2.3 DPI方法  14-23
    2.3.1 DPI 方法的原理  14
    2.3.2 DPI 方法的关键点  14-15
    2.3.3 获取应用层特征码的途径  15
    2.3.4 常见的业务的应用层特征码  15
    2.3.5 单模式匹配  15-21
    2.3.6 多模式匹配  21-22
    2.3.7 DPI 方法的不足  22-23
  2.4 本章小结  23-24
第三章基于后缀数组提取业务应用层特征码算法  24-46
  3.1 基于后缀数组提取业务应用层特征码算法的意义  24
  3.2 求解问题的数学模型及难点  24-27
    3.2.1 建立数学模型  24-25
    3.2.2 求解问题的误区和难点  25-27
  3.3 后缀数组  27-33
    3.3.1 后缀数组的定义  27-28
    3.3.2 后缀数组的构造  28-31
    3.3.3 最长公共前缀的构造  31-33
  3.4 基于后缀数组的最长公共连续子串算法  33-40
    3.4.1 基于后缀数组的最长公共子串算法思想  33-36
    3.4.2 二分算法中一些细节问题  36-37
    3.4.3 判定部分的实现问题  37-40
  3.5 算法的正确性证明  40-42
    3.5.1 证明子串的公共性  40-41
    3.5.2 证明子串的最长性  41-42
  3.6 算法的时间复杂度分析  42-43
    3.6.1 各部分时间复杂度计算  42-43
    3.6.2 整体的时间复杂度计算  43
  3.7 实际环境中对算法的一些改进  43-45
    3.7.1 含有杂质的单个业务的数据包  44-45
    3.7.2 含有多种业务的数据包  45
  3.8 本章小结  45-46
第四章基于增量式构造AC自动机的匹配模板算法  46-66
  4.1 改进AC自动机算法的意义  46-47
  4.2 离线构造匹配模版  47-52
    4.2.1 构造Trie 树  47-48
    4.2.2 构造失败指针  48-52
  4.3 基于增量式构造AC自动机的匹配模版算法  52-63
    4.3.1 失效节点的位置  52-55
    4.3.2 基于增量式构造AC 自动机的匹配模版算法的基本思想  55-56
    4.3.3 设置新增节点的失败指针的指向  56-57
    4.3.4 更新失效节点的失败指针的指向  57-60
    4.3.5 完整源代码  60-63
  4.4 基于增量式构造 AC自动机的匹配模版算法的正确性分析  63-64
    4.4.1 证明设置新增节点失败指针指向的正确性  64
    4.4.2 证明更新失效节点失败指针指向的正确性  64
  4.5 基于增量式构造 AC自动机的匹配模版算法的时间复杂度  64-65
    4.5.1 插入模式串的时间复杂度  64
    4.5.2 设置新增节点的时间复杂度  64-65
    4.5.3 设置可能失效节点的时间复杂度  65
    4.5.4 时间复杂度对比  65
  4.6 本章小结  65-66
第五章仿真系统及性能分析  66-80
  5.1 系统开发及运行环境  66
  5.2 系统的功能需求  66
  5.3 系统整体框架设计  66-67
  5.4 系统模块详细介绍  67-73
    5.4.1 系统初始化模块  68
    5.4.2 数据采集模块  68-69
    5.4.3 数据预处理模块  69-71
    5.4.4 识别模块  71-72
    5.4.5 应用层特征码提取模块  72-73
    5.4.6 更新匹配模版模块  73
  5.5 系统功能测试  73-76
    5.5.1 测试业务识别功能  74
    5.5.2 测试提取应用层特征码功能  74-76
    5.5.3 功能测试结果分析  76
  5.6 系统性能分析  76-79
    5.6.1 基于后缀数组提取业务应用层特征码算法性能分析  76-77
    5.6.2 基于增量式构造匹配AC 自动机的匹配模版算法性能分析  77-79
  5.7 本章小结  79-80
第六章总结与展望  80-82
  6.1 论文总结  80-81
  6.2 进一步工作展望  81-82
参考文献  82-85
缩略词  85-86
致谢  86-87
发表论文  87-88
参加项目  88

P2P网络深度包业务识别（DPI）方法的改进

内容摘要

全文目录

相似论文