一种基于SVM的P2P网络流量分类方法

提出一种基于SVM的P2P网络流量分类的方法。这种方法利用网络流量的统计特征和基于统计理论的SVM方法,对不同应用类型的P2P网络流量进行分类研究。主要对文件共享中的BitTorrent,流媒体中的PPLive,网络电话中的Skype,即时通讯中的MSN 4种P2P网络流量进行分类研究。介绍了基于SVM的P2P流量分类的整体框架,描述了流量样本的获取及处理方法,并对分类器的构建及实验结果进行了介绍。实验结果验证了提出方法的有效性,平均分类精确率为92.38%。     

WildPackets在P2P流量分析中的应用

对P2P流量管理的关键是不断地更新网络流量管理设备的P2P协议特征库。本文分析了决定P2P协议特征的因素,重点讨论了WildPackets分析P2P协议特征的具体思路和方法,最后说明P2P流量识别效率降低的原因。     

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。     

P2P协议识别方法研究

鉴于目前国内互联网现状,基于各种P2P协议的网络流量飞速增长并占据了大部分的网络带宽。因此,在很多情况下,对P2P流量的检测是十分必要的。文章结合P2P网络中出现的问题,分析了P2P对网络流量的影响,提出了P2P流量识别的几项关键技术并对其优缺点做出评价。     

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。     

基于贝叶斯技术的P2P流量识别方法的研究

P2P技术的应用为人们提供了高效率的网络传输,同时这些应用也消耗了大量的网络带宽。为了有效地管理和控制不同类别的P2P流量,建立准确的P2P流量分类模型具有十分重要的理论意义和现实价值。基于贝叶斯分类技术,提出一种P2P流量分类方法,该方法利用网络流量的统计特征和基于统计理论的贝叶斯分类方法,对不同应用类型的P2P网络流量进行分类研究。实验结果表明,该方法具有较高的分类精确度。     

一种新型P2P流媒体协议及其流量模型研究

针对FlashP2P技术,对其RTMFP协议进行了深入分析,提出了一种基于RTMFP包检测的FlashP2P流量识别算法,并采用该算法对国内主流视频网站的FlashP2P流进行了有效的识别。在此基础上,对FlashP2P流量特征进行分析并证明其具有自相似性。最后,提出了一种基于ARIMA模型的经验模式分解预测自相似网络流量的方法,而且进行了仿真验证。结果表明,该模型不仅降低了算法的复杂度,并且对短期预测精度较高。     

P2P流量检测与分析

P2P流量逐渐成为互联网流量的重要组成部分,精确识别P2P流量对于有效地管理网络和合理地利用网络资源都具有重要意义。对P2P应用作了简要介绍,分析了P2P和传统C/S网络的不同,并介绍了目前主流的P2P流量检测技术,分析了这些技术的优缺点,然后结合P2P流量的payload特征,设计了一种基于深度包检测的P2P流量检测方法,并通过实验证明了此方法的可行性。结果显示该方法具有非常高的检测精度和令人满意的性能。     

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。     

基于流量特征和载荷特征的P2P流量识别

本文分析了目前的P2P网络流量识别方法及其存在的问题。设计识别P2P流量的数据结构;在流量识别阶段,在传输层捕获TCP和UDP数据包,依据P2P流在传输层表现出来的主要流量特征,进行TCP/UDP流量特征的P2P流量识别;在载荷特征识别阶段,对载荷特征库定期更新,将在流量识别阶段中识别出的P2P流作精确载荷特征识别,并将流量识别阶段中漏掉的流量作载荷特征识别;在模式匹配过程采用比较指印函数值来加快识别速度;进而提出一个可准确识别出新生、加密的P2P流量及其名称的算法。实验结果表明,该算法具有较高识别和分类P2P流量的能力。     

校园网中P2P流量检测

近年来,P2P技术迅速发展,所带来的数据流量,已经占到了整个Internet流量的70％以上,给网络带来很大的负担。这样巨大的流量严重影响校园网正常业务的运行。对P2P流量和网络行为进行深入地了解、分析,进一步管理P2P流量,并及时调整控制策略以适应P2P流量的特点,已成为网络流量控制的紧迫课题,而其中的首要任务就是对P2P流量进行有效的识别,并对其进行合理的利用。     

基于流量统计的 P2P 网络关键节点识别

针对当前 P2P（peer-to-peer）网络普遍存在关键节点的现状,为了准确地识别 P2P 网络中的关键节点,通过分析关键节点的相应特点,提出了一种基于网络流量的 P2P 关键节点识别方法。通过提取网络流的空间特征等特性作为关键节点识别的依据,并以 Skype 作为研究对象,采用真实的流量数据进行验证测试。实验表明,该方法能够准确地识别出 Skype 网络中的关键节点,识别准确率较高,而且实时性较好。     

云计算环境下的P2P流量识别

由于内存限制使得单机环境下的P2P流量识别方法只能对小规模数据集进行处理,并且基于朴素贝叶斯分类的识别方法所使用的属性特征均为人工选择,因此,识别率受到了限制并且缺乏客观性。基于以上问题分析提出了云计算环境下的朴素贝叶斯分类算法并改进了在云计算环境下属性约简算法,结合这两个算法实现了对加密P2P流量的细粒度识别。实验结果表明该方法可以高效处理大数据集网络流量,并且有很高的P2P流量识别率,同时结果也具备客观性。     

使用机器学习算法分类P2P流量的方法研究

随着时间的推移﹐P2P的应用数量、范围开始快速增长,这在促进社会经济发展和社会大众日常生活水平提升的同时,也带来了较多的问题,而传统的网络流量分类方式存在着较多的缺陷,难以满足时代的发展和社会大众的需求。文章主要提出基于ReliefF-CFS的方法,进而实现流量的特征子集的选择,依据具体的实验研究结果来看,文章所提出的方法取得了较高的分类准确率,比较适合在后续进行推广应用。因此,文章针对使用机器学习算法分类P2P流量的方法进行系统的研究和分析,其主要目的在于高效率处理协议加密的网络流量分类问题,这对于国内的计算机网络技术的发展也具有促进作用。     

一种基于P2P流量规划的网络资源可重构分配方法

现有IP网络的无连接性和网络资源的松散管理结构使得网络流量存在全局范围内的分布不均情况,造成网络资源利用率低并且对运营商的一些突发的QoS需求很难做到快速响应.具备网络资源集中式管理特征的可重构网络虽然弥补了这一不足,但对特定业务的流量优化能力以及按需合理重构网络资源的能力不足,使得可重构网络资源分配及QoS保障技术仍有待进一步提高,尤其是占据网络流量主体的P2P业务流量和突发性高优先级QoS保障.当前的P2P优化以及流量工程技术不但自身存在不完善,并且也不能高效地直接适用于可重构网络环境中.因此,文中站在网络资源全局统筹的角度,提出了一种应用于可重构网络环境中的、基于P2P流量规划的网络资源动态可重构技术,使得可重构网络的资源管理机制有能力对全网P2P流量进行优化调度,尤其是能够在网络资源不足的情况下,通过调整P2P流量,释放指定网络资源以响应突发高优先级需求.通过仿真验证可见,以P2P流量规划的手段对全网资源进行全局规划、动态重构,形成弹性的可重构网络环境中,网络流量负担、P2P节点出、入度等多方面均有较大幅度提升,从而赋予了运营商一种对各种优先级业务的规划手段.     

基于GA-PSO混合规划算法的P2P流量识别研究

介绍了传统的P2P流量识别方法,分析了它们的优缺点,在此基础上,提出了一种基于GA-PSO混合规划算法的P2P流量识别方法,该方法根据网络流量特征对流量进行识别,弥补了传统流量识别方法的不足.在对各种网络流量特征进行了深入分析后,总结了P2P流量的四类典型特征作为分类依据,利用大量的样本对分类模型进行训练,并通过测试样本对该分类模型进行验证,结果显示该方法具有较高的检测精度、良好的性能及较强的适应性.     

基于DPI技术的P2P流量监控系统设计

随着互联网和宽带技术的发展,P2P的应用日益广泛.但随着P2P应用的发展,网络中也暴露出如违反版权法律法规、传播病毒木马等恶意程序、吞噬带宽、造成网络环境恶化等诸多问题.如何有效地控制P2P流量,关键在于如何有效地识别出实时网络中的P2P流量,这也是网络运营商和一些公司高度重视的难点问题.传统的以固定端口方式识别已经很难准确检测P2P流量,而DPI技术是一种相对简单、高效的数据流检测技术,将此技术运用于P2P流量监测控制_中,将大大提高协议的识别效率和准确度.以典型的P2P应用软件KuGoo2008为例进行分析,采用DPI原理,剖析KuGoo音乐工具网络流量的特征,分析提取出该流量的指纹信息,并提出一种优化的P2P流量识别方案,设计一个基于DPI技术的P2P流量监控系统.该监控系统旨在检测并控制网络P2P流量,释放网络带宽,优化网络环境.     

P2P流量识别技术综述

在归纳P2P流量识别问题概念的基础上,对现有的P2P流量识别技术进行了较全面地分析.借助分类模型形式化地定义P2P流量识别问题,依据所采用的识别特征将已有技术分为基于端口号、基于流量特征、基于应用层签名、基于双重特征和基于统计行为特征五类方法,并对各类方法进行了介绍、分析与优劣对比.探讨了新兴的P2P流媒体流量识别问题,总结了P2P流量识别技术的发展趋势.     

基于端点特征的P2P流媒体识别方法

P2P流媒体流量中的控制流与数据流,由于统计特征差异较大,致使DFI(深度流检测)方法识别其效果不佳。借鉴DFI的思想,提出一种基于端点特征识别P2P流媒体流量的方法。该方法针对网络端点,提取了六个有效特征,并结合机器学习的方法识别P2P流媒体流量。实验结果表明,该方法比DFI识别的整体准确率要高,且可以用于P2P流媒体的在线识别。     

P2P流媒体流量特征的提出及验证

使用流量特征的方法可有效实现对未知P2P流媒体流量及加密后流量的辨识,具有可扩展性.总结出多源型P2P流媒体系统区别于P2P文件下载系统的资源高动态性、超细粒度的分块和由此引起的高频度信息交换及调度的独特特性,因此P2P流媒体节点的流量中应具有交换信息的通讯包发送频率高的特征,从而提出通过计算节点入流量的平均连接信息数据比来识别多发送节点方式下的P2P流媒体流量的观点,给出信息数据比的定义及测量模型,并对测度值进行了推导和实验,证明了这些测度值的可用性.