基于SVM特征选择算法的对等网络流量识别应用研究

发布时间：2021-05-12 02:44

　　网络的发展使得各种数据增值业务应运而生，凭借资源站点构建简单和内容类型丰富多彩，对等网络已经占据了网络数据业务较多的带宽。虽然目前网络技术的发展日新月异，网络速度相比以往也有了很大的提高，但是仍然不能保证网络关键业务的服务。对等网络主要应用于多媒体文件的分享和在线点播服务，这些业务占据了网络的大部分带宽，对正常的网络业务开展带来了不良影响。对于P2P流量识别和控制已经成为了互联网运营商十分关注的问题，也成为了当前计算机网络领域研究的热点和难点。常用的P2P流量识别方法很多，包括扫描和封闭P2P协议所需要的网络端口、对P2P数据流签名进行匹配和屏蔽以及对P2P流量特征进行统计分析等。这些方法对固定时段和应用的P2P流量有一定效果，但是对动态和加密的P2P流量识别较为困难，此外，由于受到识别机制的限制，这些方法在应用上缺乏效率和准确性。支持向量机是机器学习领域进行数据统计和分析的有效工具，其理论基础是统计学习，在小样本空间中具有优秀的运算特性，适合解决运算量大和特征维数高的机器学习问题。经过多年的发展和创新，SVM对P2P网络流量识别提供了可行的研究思路和解决方案。本文以SVM特征选择算法... 

【文章来源】：湖北工业大学湖北省

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
目录
第1章 引言
    1.1 课题研究背景与意义
        1.1.1 P2P 理念及起源
        1.1.2 P2P 网络技术的特性
        1.1.3 P2P 技术产生的安全问题
    1.2 国内外研究现状
    1.3 研究思路
    1.4 论文章节安排
第2章 SVM 核函数选择及小波核函数
    2.1 SVM 简介
        2.1.1 SVM 设计思想
        2.1.2 SVM 训练算法
        2.1.3 SVM 分类模型
        2.1.4 SVM 反馈增量学习
    2.2 SVM 算法的核函数选择
        2.2.1 核函数选择
        2.2.2 RBF 核函数
    2.3 基于小波核函数的 SVM 算法
    2.4 本章小结
第3章 基于 SVM 的在线 DFI 模型及流量特征选择
    3.1 基于 SVM 的 DFI 在线流量识别模型
        3.1.1 SVM 算法在 P2P 流量识别中的应用现状
        3.1.2 基于 SVM 的 DFI 流量识别模型
    3.2 网络流量特征选择
        3.2.1 P2P 流量特征提取和选择
        3.2.2 基于 IP 和 IP-Port 的 P2P 流量模式
    3.3 SVM 类封装部分代码
    3.4 本章小结
第4章 测试结果分析
    4.1 测试环境
    4.2 抓包绘图测试
    4.3 SVM 测试
    4.4 测试结果分析
        4.4.1 IP 模式测试
        4.4.2 IP-Port 模式测试
        4.4.3 IP 模式对比 IP-Port 模式
        4.4.4 IP 和 IP-Port 协同模式测试
    4.5 本章小结
第5章 总结与展望
中外文参考文献
致谢



本文编号：3182579