带背景流的P2P流量识别技术研究

针对P2P(peer-to-peer,对等体网络)应用系统中对等体主机的行为特征与P2P业务流量特征多样化、复杂化,使得单纯利用一种典型特征的P2P流量分类技术的识别精度不高的问题,提出了一种新的P2P流量多阶段识别方法;该方法根据P2P应用流量的一系列固有特征,可以从聚合网络流中识别P2P流量;通过实验表明,该方法P2P流识别精度可达99.7%,同时错误分类精度0.3%。     

基于样条权函数神经网络P2P流量识别方法

样条权函数神经网络是一种新兴的神经网络,克服了很多传统神经网络（如BP、RBF）的缺点：比如局部极小、收敛速度慢等。它具有拓扑结构简单,精确记忆训练过的样本,反映样本的信息特征,求得全局最小值等优点。基于这些优点,文中提出了一种基于样条权函数神经网络P2P流量识别方法。通过提取P2P流量特征,运用样条权函数神经网络结构对P2P流识别。Matlab仿真和模拟实验结果表明了这种方案的可行性,与传统神经网络相比,样条权函数神经网络在时间效率上具有明显优势。     

多层次P2P流量分类方法研究

P2P网络流量分类对网络管理和网络安全有着十分重要的意义,由于目前P2P流量多样化的发展,传统单一的P2P流量分类方法很难对其准确分类。通过分析现阶段P2P流量分类方法的现状,结合现有P2P流量分类方法的优点,提出了多层次P2P流量分类方法,该方法由四个P2P流量分类模块组成,模块间采用分工协作及反馈机制来提升P2P流量分类的效果。实验表明该方法可以有效提升P2P流量分类准确率和效率。     

一种P2P流量识别方法的研究

本文先介绍了目前主流的P2P流量识别方法及其优缺点,通过实际捕包分析了BT协议的交互过程及特点。分析选取流量特征中的平均包长度、流持续时间、上下行流量包数比、目的端口等4个特征,结合支持向量机方法对网络流量的进行识别。实验结果显示,该方法能够有效地检测网络流量中的P2P流量。     

P2P流量识别技术研究

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P2P流量特征决定了它给其他网络应用带来了一定的影响。因此,对高效可靠的P2P流量识别技术的研究刻不容缓。本文阐述了P2P流量特征,在此基础上分析了几种常见的P2P流量识别技术,并对这些技术的性能进行了比较,最后指出未来P2P流量识别技术发展方向。     

P2P流量识别技术研究

随着P2P技术的广泛使用,P2P应用虽然丰富了人们的生活,但部分P2P应用严重的影响了企事业单位的正常办公,并且为不良信息的广泛传播提供了便利。如何有效的识别并控制P2P流量已成为当前Internet技术中越来越重要一项研究,本文对P2P流量的识别进行了深入的研究,并提出了字段特征与PDU格式两种有效的识别方法。     

基于C4.5决策树的单向P2P流量识别方法研究

P2P流量识别方法已能对基于TCP传输的双向P2P流量进行高准确率的识别,但少有论文研究单向P2P流量的识别方法.针对单向P2P流量的识别难点,提出一种基于C4.5决策树的单向P2P流量识别方法.该方法仅利用10个网络流统计特征,且这些特征可在一个流的前若干个数据包内快速计算完成,并对承载P2P流量的传输层协议具有通用性.实验结果表明,该方法识别准确率高,识别时间短,可用于高速骨干链路P2P流量的实时识别.     

P2P流量检测技术初探

首先对P2P应用作了简要介绍，然后介绍了目前主流的P2P流量检测技术并分析了这些技术的优缺点，较深入地探讨了国内外在P2P流量检测技术方面的发展现状及P2P流量检测技术的发展方向。最后，针对目前P2P流量检测技术方面碰到的难题，在充分利用现有流量检测技术优势的基础上，通过合理组合与优化，提出了一种新的解决方案。     

基于聚类和流量传播图的P2P流量识别方法

为有效监管网络,快速精确识别P2P流量,通过分析P2P网络流量中节点与节点、节点与链路之间的交互和行为特征,将聚类方法与流量传播图方法相结合,提出了一种基于网络行为特征的P2P流量识别方法。该方法首先通过采集网络流的包级和流级统计特征对不同种类的网络应用的流量进行聚类,然后利用流量传播图对P2P流量进行识别。实验结果表明,提出的方法在骨干网络数据上能够有效识别P2P网络应用流量,◢F◣▼1▽-measure达到95%以上。     

基于节点连接度的P2P流量快速识别方法

为实现快速有效的P2P流量识别,提出一种基于节点连接度的识别方法。根据不同P2P流量的连接度特点,通过实验分析得到相关的流量属性,对属性进行关联,由此区分网络中的P2P流量及非P2P流量,并通过分析P2P下载与P2P流媒体的行为特性,证明P2P 下载的流量属性具有相似性,与P2P流媒体的流量属性相差较大。仿真实验结果证明,该方法具有较好的实时性和准确性。     

基于会话的局域网P2P流量识别方法的研究

随着P2P技术的发展,很多P2P软件采用了新的技术改善局域网用户的传输质量,导致P2P数据传输中出现了新的特征。针对STUN协议,在多元分类的基础上,提出了一种基于会话的P2P流量识别算法。首先介绍了STUN协议建立会话的消息格式,并描述了几种不同类型NAT建立地址映射的过程。算法采用多元组描述会话,建立二叉树结构对收发的数据包依次进行分析,识别P2P会话,最后以哈希表存储会话状态。在Linux环境下,以迅雷为例进行实验,结果表明采用本算法可以很好地识别P2P数据流。     

基于会话的局域网P2P流量识别方法的研究

随着P2P技术的发展,很多P2P软件采用了新的技术改善局域网用户的传输质量,导致P2P数据传输中出现了新的特征。针对STUN协议,在多元分类的基础上,提出了一种基于会话的P2P流量识别算法。首先介绍了STUN协议建立会话的消息格式,并描述了几种不同类型NAT建立地址映射的过程。算法采用多元组描述会话,建立二叉树结构对收发的数据包依次进行分析,识别P2P会话,最后以哈希表存储会话状态。在Linux环境下,以迅雷为例进行实验,结果表明采用本算法可以很好地识别P2P数据流。     

基于双层特征的P2P流量检测

P2P应用的流行和泛滥,占用带宽,吞噬大量的网络资源.为了更好地识别和控制P2P流量,介绍了目前常用的P2P流量检测技术.提出了一个基于应用层有效载荷特征和传输层流量特征的双层特征的高效混合检测方法,介绍了选取的流量特征并总结出相应的数学公式,详细介绍了系统流程以及端口匹配模块、流量特征匹配模块和payload特征匹配模块的实现.通过实验室环境下测试出该方法和单独采用深度数据包扫描方式在虚警率和误报率两方面的数据表明该方法拥有更高的识别率和准确率.     

一种基于流量行为分析的P2P流媒体识别方法

P2P流媒体的识别问题已经成为P2P研究领域中的热点问题.以目前主流的P2P流媒体软件:PPLive、PPStream、QQLive为蓝本,进行流量行为特征分析,总结出相应的流量特征和特征字符串,提出一种基于流量行为分析的P2P流媒体识别方法.该方法的核心思想是:首先通过流量的统计算法将捕获到的流媒体数据包进行分类统计,再运用特征字匹配算法进行二次识别匹配,从而得出结果.随后.开发出基于流量行为分析的检测系统,试验结果证明该方法能够有效地识别P2P流媒体.     

基于SVM的P2P流量识别

根据P2P应用从最初的采用固定的端口号,发展到动态端口,再发展到伪装端口,甚至发展到现在的一些采用加密技术的具有反侦察意识的新型的P2P应用这样一个变化快的特点,再利用支持向量机分类的本质,提出一种基于SVM的P2P流量识别方法.通过实验证明,该方法具有较高的识别率,对未知协议的F2P识别精度也很高,说明采用支持向量机技术进行P2P流量识别的有效性.     

基于频繁项挖掘的未知P2P流量识别方法

提出一种基于多维聚类的频繁项挖掘算法,利用聚类思想自动挖掘网络中的显著流量及其规则,并在此基础上,对显著流量进行P2P疑似性判别,同时结合应用层特征识别技术,对高度疑似的P2P显著流量类进行过滤,实现未知P2P流量检测。实验结果表明,该方法是有效的。     

基于连接跟踪的P2P协议识别方法研究

随着计算机网络的迅速发展,新一代网络技术P2P得到了广泛应用,由于P2P技术所带来的诸多问题比如大量占用网络带宽,加重网络负担等等,因此对P2P应用流量的准确识别对于网络管理员、研究人员以及服务提供商、用户都具有十分重要的意义.本文首先对Linux防火墙的连接跟踪机制进行简要的分析,在此基础上提出了一种基于连接跟踪机制的高效的P2P协议识别算法,并给出该算法的实现,最后通过实验对算法进行了验证.     

基于特征进程的P2P流量识别

为了解决P2P流量识别中用户使用端口跳跃、数据加密等方法带来的识别难题,通过对主机进程与网络流量相关性的研究,提出一种基于特征进程的P2P流量识别系统,在客户端通过进程匹配完成P2P流量的识别,并且具有发现未知P2P进程的能力。实验表明,该系统对于P2P流量具有较高的识别能力。     

基于小波支持向量机的P2P网络流量识别算法

对等网络技术引起了广泛关注,其典型的应用有文件共享、即时通信等.为了更好地合理使用、规划P2P网络资源,建立P2P流量识别模型具有十分重要的理论意义和现实价值.提出了一种基于小波支持向量机相结合的P2P流量识别模型,将小波分析中多尺度的学习方法和SVM的优点结合起来,通过小波分析与SVM方法紧致结合,引入满足小波构架和Mercer定理的小波基函数来构造SVM的核函数,建立小波支持向量机的P2P识别算法.实验结果表明该算法能够有效地提高P2P网络流量识别的精度.