一种基于SVM的P2P流量检测方法研究

提出了一种基于SVM的P2P流量识别模型,选取P2P流量的上/下行流量比,平均流速率、流持续时间、传输字节数、平均数据包长度等5个特征,对网络流量的P2P流量进行识别.实验结果表明,该方法能够有效地检测网络流量中的P2P流量,准确率达到96%.     

基于多维支持向量机的P2P网络流量识别模型

提出一种多维支持向量机(MSVM)训练方法,并建立了一种基于多维支持向量机的P2P网络流量识别模型。该模型利用多维支持向量机作为分类器来识别P2P流量,各种网络流量经过数据捕获模块、特征提取模块、数据预处理模块以及MSVM训练模块将网络流量分类成P2P流量和Non-P2P流量,再经过组建的MSVM支持向量库识别出具体的P2P流量和未知P2P。未知的P2P流量经过数据采集模块、特征提取模块、数据预处理模块以及MSVM训练模块将其特征数据加入MSVM支持向量库,以便将来识别P2P流量。理论分析与数值实验表明,该模型具有较好的实验结果和所期望的识别精确度。     

深度学习算法的P2P流量识别与控制

为了提升P2P流量的识别精度与控制效果,提出了深度学习算法的P2P流量识别与控制方法.采用P2P流量数据训练深度学习算法的BP神经网络,根据训练好的神经网络对训练样本进行预分类,得到包含各服务流量特征的预分类结果.将预分类结果作为P2P流量聚类中心值,通过聚类算法检测P2P流量样本数据,得到P2P流量识别结果.采用分形自回归综合滑动平均模型分析P2P流量控制机制.结果表明,该方法的识别性能稳定、识别结果精度较高,有效降低了流量传输的丢包率,可对P2P流量传输进行稳定控制.     

基于NetFlow的P2P流分析系统

为了实时、低成本地获取端到端(P2P)流信息, 提出了基于NetFlow的P2P流分析系统(NPFAS), 以分布式架构松耦合地整合P2P流形成、流识别和流分析系统, 利用流识别系统提供P2P流信息, 从NetFlow使能设备产生的NetFlow流记录中提取出P2P流并进行分析处理, 为在高速网络环境下在线分析P2P流提供了一种基于LinuxIntel架构的可行方案. 原型系统的试验结果表明了NPFAS的可行性和有效性.      

优化P2P业务传输的新型EPON接入网

提出了一种优化端到端（P2P）业务传输的以太无源光网络(EPON)接入网结构及其P2P业务重定向机制,采用马尔可夫链数学模型进行理论分析,并进行了Matlab仿真计算. 仿真结果表明,所提方案能有效降低P2P协议报文所经历的网络距离,并且降低核心网的数据流量负担.     

基于多特征的P2P直播流识别方法

基于P2P的直播应用是当前发展最为迅速的因特网应用之一,实时识别P2P直播流是管理网络P2P流媒体流量和理解网络行为的关键一步.针对当前P2P流媒体直播流的识别方法较少,识别效果一般,文章分析了P2P直播流的行为特征,提出了基于节点连接度的识别方法和基于BM信息比的识别方法,并结合两个流量特征采用联合特征进行P2P直播识别.实验表明该方法识别整体准确率较高,可以实现P2P直播的在线识别.     

基于跨层特征的P2P流量识别技术

P2P技术飞速发展,应用形式不断多元化,很大程度上满足了人们信息共享和直接交流的需要;但是同时也对其他网络应用产生了很大的影响.因此,对高效可靠的P2P流量识别技术的研究刻不容缓.分析常见P2P流量识别技术的基础上提出一种基于跨层特征的P2P流量识别技术;试验结果表明该技术的可行性和可靠性.     

基于内容转发模型的P2P流量识别算法

随着P2P技术的发展,单纯地依靠IP加固定端口、应用层特征匹配进行流量识别的方法已不能满足实际需求。本文基于P2P网络结点既下载数据内容又将其进行转发的事实,建立了P2P网络的内容转发模型,并在此基础上设计实现了基于P2P网络内容转发模型的流量识别算法。该算法不依赖于端口号或应用层特征等与特定应用相关的信息,而是充分利用了结点具有内容转发的内在特性,具有较好的扩展性和鲁棒性。同时,理论分析和实验结果表明:本文算法具有较好的识别精度和鲁棒性,对检测P2P流媒体应用及热门资源共享产生的流量更具适应性。     

移动通信网中基于级串框架的网络流量性能分析

根据湍流尺度分析中的对数无限可分级串方法(LIDC),对从某移动运营商处获取的无线分组网络流量进行了多尺度行为分析,以GPRS为例,发现现网GPRS流量符合对数无限可分级串框架,并由此对无线分组流量数据进行了深入的特性分析. 结果表明,LIDC方法在分析无线分组网络流量的多尺度行为方面非常有效. 该方法不仅在全尺度范围内能刻画网络流量的尺度特性,而且能确定出某一尺度下的有效分析范围. 同时,经过该分析框架分析表明,无线分组网络流量中的尺度保持了幂律关系、单一尺度及尺度不变性等特点.     

以太网流量分形维数的估计方法

以太网流量具有自相似性是近期网络研究的重要发现.其中分形维数能够定量地表示自相似的随机形状和现象,对网络流量建模、预测和拥塞控制有着深远的影响.对以太网流量分形维数的估计算法进行阐述和分析,比较了它们之间的特点.     

基于分形截距特征多尺度图像边缘检测技术及应用

分形概念的提出及分形几何学的创立,为人们描述客观世界提供了更准确的数学模型,引起了自然科学领域和社会科学领域的普遍关注,并在化学、生物学、天文学等诸多领域中得到了广泛的应用。由于分形集可以用简单的迭代方法生成复杂的自然景物、用分数维有效度量物体的复杂性,因此分形与图像之间存在着一种自然联系,而正是这种联系,奠定了分形理论用于图像处理的基础,开辟了分形理论在图像处理中应用的新领域。目前分形在图像中的应用大致可以概括为两类;一类是利用分形的自相似特征,采用映射变换的方法对自然界景物进行仿真,对图像进行压缩编码;另一类是根据分形及分数维的特征参量来建立模型,通过对模型参数的研究,有效地进行图像分析和处理。     

汶川大地震震强的分维特征研究

基于地震灾害发生的随机性和不确定性,运用分形、混沌理论对汶川大地震发生的多次地震及其地震强度进行了分维特征研究.研究表明地震强度在时间上具有自相似性,且其关联维数d2在0.555 3～3.469 2之间.由于地震强度具有分形特性,因此震强分维数是研究地震的一个重要指标.     

P2P流量识别方法比较研究

P2P（peer-to-peer,对等体网络）技术在飞速发展的同时,占用大量网络可用带宽,并采用随机端口,数据加密和协议伪装等技术来逃避检测。因此需要一种健壮、高效的P2P流量检测方法。文章分析了4种典型的P2P流量识别方法的原理,从准确性、实时性和健壮性3个方面进行了性能比较。最后提出一种基于协议指纹的新型P2P流分类方案,并对P2P流量分类技术的发展提出了看法。     

基于互信息与随机森林的P2P流量识别

针对当前基于流特征的流量识别方法准确率较低的问题,提出一种基于互信息的P2P流量特征选择方法和基于该方法的随机森林技术在流量识别中的应用模型,将网络流数据流分为P2P流和非P2P流。实验证明,该方法具有较高的识别率,说明了采用随机森林技术进行P2P流量识别的有效性。     

分形理论研究雨水管网分布

论述了市政雨水管网的分形特性,即管网的部分管段在某种程度七包含了整个管网的信息,与整个管刚存在统计自相似性;进而将分形理论引入到雨水管网的研究中,对其分形特性进行了分析;提出了雨水管网分形算法——盒计数法,应用于北京市周边的一些小区或村镇的雨水管网的研究中,并且计算出了各管网的分维值.借鉴河流和道路分形研究成果,探讨了雨水管网分维值与径流模数的相关关系及制约因素.同时,剖析了管网分维值所隐含的信息,提出雨水管网存在最优平面布置.     

自然界的自相似性与分形

黄金比是自然界物质最常见的自相似比例；全息生物学揭示了生物界普遍存在的全息现象即分形现象；分形从数学方面描述了自然界物质的自相似结构。黄金分割律、全息生物学和分形几何三者从不同角度揭示了自然界的自相似性，凡是自然界客观存在的或经过抽象而得到的具有自相似性的几何对象，均称为分形。     

岩石介质的分形空隙模型及其维数解析

为了探讨岩石介质的空隙结构及分布机理,从分形几何学的角度建立了一种更接近实际情况的岩石介质空隙结构的统计自相似分形模型,并通过随机破碎个数与自相似比的数学期望,给出了岩石介质中空隙分布的分形自相似维数的计算公式.讨论了岩石初始结构的分布维数与破碎后块度的分布维数之间的关系及其意义,为岩石初始结构的探讨和破碎机理的研究奠定了理论基础.