学位论文 > 优秀研究生学位论文题录展示
基于网络流特征的P2P网络流量分类文学研究
作 者: 赵伟
导 师: 权义宁
学 校: 西安电子科技大学
专 业: 计算机系统结构
关键词: P2P 流量分类 网络流特征 支持向量机
分类号: TP393.06
类 型: 硕士论文
年 份: 2013年
下 载: 21次
引 用: 0次
阅 读: 论文下载
内容摘要
P2P技术快速发展的同时,也导致了网络阻塞、网络安全性和网络资源产权保护等问题的产生,因此,通过研究有效的P2P流量识别方法,用以解决上述问题成为重要课题。论文通过对比机器学习的几种常用分类方法和不同的P2P分类策略;重点研究了基于网络流特征的P2P流量分类方法,并对影响分类的关键网络流特征进行了深入分析;通过引入基于支持向量机技术,给出了P2P网络流量多分类模型,借助LIBSVM工具对分类模型进行了仿真,论文主要工作如下:(1)研究了关于有监督、半监督和无监督机器学习原理及其代表性算法,对比分析目前存在的基于端口、会话、深层数据包检测和流量行为的P2P流量分类策略。引入了基于P2P网络流量特征分类的思想,给出了基于网络流特征的检测流程,突出了网络流定义及生成流程,涉及在线数据包捕获,并对影响分类的关键特征进行了说明和举例分析。(2)结合支持向量机学习方法阐明其原理,着重讨论了SVM核函数和SVM算法及其选择问题,给出了基于SVM的分类流程和多分类处理模型即DAGSVM模型,相应给出了模型使用的算法,重点强调了通过网格搜索法和k-折交叉验证法获取算法所使用的惩罚因子及核函数因子参数值。(3)使用LIBSVM工具仿真,为了实验准确性,实验数据选用奥克兰大学提供的Auckland Set;充分利用支持向量机在处理小样本、非线性、高维数样本的优良特性,通过对基于传统SVM分类算法等构建的分类模型进行分类预测,对比分类结果,分析评价了其性能优劣,表明本文给出的方法更具优势。
|
全文目录
摘要 3-4 Abstract 4-8 第一章 绪论 8-14 1.1 网络流量分类的研究背景及意义 8-9 1.2 国内外研究现状 9-12 1.2.1 P2P 网络介绍 9-10 1.2.2 国内外的一些 P2P 流量识别方法 10-12 1.3 本文工作 12 1.4 论文结构 12-14 第二章 P2P 网络流量分类方法 14-24 2.1 关于机器学习的 P2P 流量分类方法 14-18 2.1.1 贝叶斯网络算法 15-16 2.1.2 K-means 聚类算法 16-17 2.1.3 自训练分类算法 17-18 2.2 常见 P2P 流量分类策略 18-22 2.2.1 基于端口的 P2P 流量分类策略 18-19 2.2.2 基于深层数据包检测的 P2P 流量分类策略 19-20 2.2.3 基于会话的 P2P 流量分类策略 20 2.2.4 基于流量行为的 P2P 流量分类策略 20-22 2.2.5 基于网络流量特征的 P2P 流量分类策略 22 2.3 小结 22-24 第三章 基于网络流特征的 P2P 网络流量分类方法 24-44 3.1 P2P 网络流特征检测流程 24-27 3.2 P2P 网络流特征分析 27-42 3.2.1 捕获网络流量 28-30 3.2.2 网络流特征选取 30-32 3.2.3 常见 P2P 网络流特征分析 32-42 3.3 小结 42-44 第四章 基于支持向量机的 P2P 网络流量分类模型 44-62 4.1 支持向量机 44-53 4.1.1 支持向量机原理 44-49 4.1.2 支持向量机关键技术 49-53 4.2 基于 SVM 的 P2P 分类模型 53-56 4.3 P2P 网络流量多分类 56-61 4.3.1 网络流特征的选择 56-57 4.3.2 SVM 流量多分类 57-61 4.4 小结 61-62 第五章 基于支持向量机模型仿真 62-74 5.1 LIBSVM 概述 62-63 5.2 仿真流程 63-69 5.2.1 实验环境 63 5.2.2 实验数据 63-64 5.2.3 总体设计 64-65 5.2.4 关键技术和关键模块说明 65-66 5.2.5 仿真场景 66-69 5.3 仿真结果分析 69-73 5.4 小结 73-74 第六章 结束语 74-76 6.1 工作总结 74 6.2 展望 74-76 致谢 76-78 参考文献 78-81
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 基于NS2的PeerCast模拟平台设计与实现,TP311.52
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 面向Gnutella和eMule网络拓扑测量和安全性分析,TP393.08
- 基于支持向量机的故障诊断方法研究,TP18
- 基于聚类分析的P2P流量识别算法的研究,TP393.02
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- P2P视频点播系统中服务节点数据调度策略研究,TN948.64
- 基于JXTA的校园虚拟社区研究与实现,TP393.09
- P2P数据副本问题的研究与实现,TP393.02
- 音像广播远程教育系统中直播服务器的设计与实现,TP311.52
- 人类抗原肽载体结合力预测,R392.1
- 多肽结构表征及其在抗菌肽定量序效关系中的应用,Q51
- 动力灾害煤炭资源开采危险程度预测方法,TD713
- 基于人脸表情识别的情感研究,TP391.41
- 基于明文特征的P2P协议识别系统的研究与设计,TP393.02
- 支持向量机理论及其应用,O212.1
- 手背静脉图像的分类和匹配技术研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 计算机网络 > 一般性问题 > 计算机网络测试、运行
© 2012 www.xueweilunwen.com
|