基于遗传神经网络的P2P流量检测研究

发布时间：2021-08-03 14:46

　　P2P流量检测的动机在于运营商需要提高其网络运营质量和效益。由于大量P2P文件下载及视频应用的存在，使得P2P流量可能占据可用带宽60%以上，严重影响了运营商自身业务的开展及网络服务质量的提升。为此，运营商需要检测P2P流量，从而实现对P2P流量的管制。当然，并不是要封掉P2P流量，而只是对占用过多带宽的用户进行提醒或收费，或者通过将P2P规划入一个可限制带宽的流量内，从而实现对P2P流量的可控可管。实际情况中，巨流量下的P2P检测的实时性问题一直没有得到解决，本文提出使用二次检测的方法，使用创新的半开连接作为一次检测的特征，初筛流量，再将初筛后的流量使用深层数据包检测，以解决巨流量下的实时性问题。并使用基于遗传算法的神经网络来寻找半开连接特征的阀值。本文设计并实现了一个使用基于半开连接行为特征的P2P流量检测技术为一次检测的P2P流量检测系统。通过使用基于半开连接行为特征和应用基于遗传算法的神经网络技术，尝试解决大流量环境下的实时P2P流量检测的性能不足问题，与传统的一次检测系统相比，该系统在网络流量完整的情况下保证有80%以上的识别准确率和较低的系统开销。 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：87 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 P2P 应用的发展和其带来的问题
        1.2.2 P2P 流量检测技术的国内现状
        1.2.3 P2P 流量检测技术的国外现状
    1.3 本文主要研究内容
    1.4 论文结构安排
第二章 相关理论与技术
    2.1 神经网络
        2.1.1 人工神经网络
        2.1.2 BP 神经网络
    2.2 遗传算法
        2.2.1 遗传算法的产生与发展
        2.2.2 遗传算法的定义
    2.3 P2P 技术
        2.3.1 P2P 网络的概念
        2.3.2 P2P 技术的发展和现状
        2.3.3 P2P 的分类
        2.3.4 P2P 的构建和模式算法
    2.4 P2P 流量检测技术
        2.4.1 P2P 流量检测技术概述
        2.4.2 基于端口的识别技术
        2.4.3 深层数据包识别技术(DPI)
        2.4.4 基于特征进程的识别技术
    2.5 本章小结
第三章 P2P 流量检测模型及算法研究
    3.1 P2P 流量检测问题分析
        3.1.1 P2P 流量特性
        3.1.2 P2P 流量检测的困难之处
        3.1.3 当前检测技术的缺陷
    3.2 本文拟解决问题
    3.3 基于流量行为特征的识别技术研究
        3.3.1 使用半开连接特征来识别 P2P 流量
        3.3.2 运用神经网络寻找特征权值
        3.3.3 神经网络权值的进化
        3.3.4 神经网络中学习规则的发展
    3.4 二次检测技术
        3.4.1 二次检测技术选择
        3.4.2 算法选择
    3.5 P2P 流量检测实验
        3.5.1 特征数据的采集
        3.5.2 实验方案
        3.5.3 实验结果与分析
    3.6 本章小结
第四章 P2P 流量检测系统设计
    4.1 系统设计需求和目标
    4.2 系统流量检测流程
    4.3 系统结构设计
        4.3.1 数据包解析模块
        4.3.2 半开连接特征检测模块
        4.3.3 深层数据包检测模块
    4.4 系统功能设计
        4.4.1 网络主机列表模块
        4.4.2 网络带宽模块
        4.4.3 检测控制模块
        4.4.4 P2P 流量日志模块
    4.5 大流量环境适应设计
        4.5.1 大流量下的实时采集
        4.5.2 大流量下的内存池设计
    4.6 系统结构设计
    4.7 系统数据库设计
    4.8 本章小结
第五章 P2P 流量检测系统实现与测试
    5.1 系统实现环境
    5.2 系统关键技术实现
        5.2.1 流量特征识别技术
        5.2.2 深层数据识别技术
    5.3 系统软件主要功能实现
        5.3.1 获取设备列表
        5.3.2 获取 IP 地址
        5.3.3 获取网络流量
    5.4 系统测试实施方案
    5.5 系统测试结果
        5.5.1 系统功能测试
        5.5.2 系统性能测试
    5.6 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
攻读硕士期间所取得成果


【参考文献】：
期刊论文
[1]基于遗传神经网络的P2P流量检测研究[J]. 邓力为,周中伟,李阳,段辉良.  中南林业科技大学学报. 2010(06)
[2]互联网P2P流量的影响与控制[J]. 陈忠平.  铁道通信信号. 2009(11)
[3]一种P2P流量监控系统的设计及实现[J]. 徐鹤,王汝传.  计算机技术与发展. 2009(10)
[4]P2P流量监控技术的研究及现网试验[J]. 倪冰,陈运清.  吉林大学学报(信息科学版). 2009(05)
[5]网络流量识别方法研究[J]. 梁伟,李晗.  通信技术. 2008(11)
[6]一种新的P2P网络流量预测模型[J]. 韩志杰,王汝传.  计算机科学. 2008(09)
[7]P2P流量检测与分析[J]. 蒋海明,张剑英,王青青,彭娟.  计算机技术与发展. 2008(07)
[8]基于BP神经网络的P2P流量识别研究[J]. 沈富可,常潘,任肖丽.  计算机应用. 2007(S2)
[9]对等网络流量检测技术研究[J]. 周世杰,秦志光,吴春江.  中兴通讯技术. 2007(05)
[10]基于三层BP神经网络的字符识别系统的实现[J]. 朱正礼.  现代计算机. 2006(10)

硕士论文
[1]遗传算法的研究与应用[D]. 王银年.江南大学 2009



本文编号：3319811