基于DPI的流量识别方法研究与应用

发布时间：2017-05-19 17:07

  本文关键词：基于DPI的流量识别方法研究与应用，，由笔耕文化传播整理发布。

【摘要】：凭借着健壮性好、性能高等优点P2P技术成为了近年来发展最迅速的网络技术之一,并广泛地应用于文件共享、流媒体等领域。但是,随着P2P应用软件的大量出现,P2P流量占据的比重越来越大,这不仅导致了互联网服务质量的下降、网络带宽资源的急剧消耗,同时也使得侵权盗版、隐私泄露、网络安全等问题日益突出。另外,Vo IP也因其开放性好、灵活性强、成本低等特点得到了迅速发展。Vo IP应用软件的出现使得传统电信运营商开展的PSTN业务遭到了严重的冲击和挑战。而且,在经济利益的驱动下非法Vo IP运营商对电信市场秩序也造成很大程度的干扰。对运营商而言,如何快速而有效地识别出各种流量,并解决上述问题,以保证其对展开的网络业务的实现和快速有效地管理网络流量已经变得迫切重要。本文针对流量识别与控制问题进行了研究。重点分析了P2P、Vo IP应用软件和流量识别技术及干扰控制技术的原理。对比研究了主流的流量识别方法的优缺点,并在此基础上提出和设计了一种基于DPI技术的流量识别控制系统。在系统模块设计过程中,重点研究了AC自动机算法,并实现了对算法的改进,以提高其匹配效率。论文的主要研究工作包含以下几个方面:1.针对DPI流量识别方法中的特征匹配算法——AC算法进行了分析改进,改进后的算法通过减少状态迁移的次数,提高了算法的匹配效率。2.对现有流量识别技术的工作原理进行分析研究,针对有些应用软件入口流和业务流分离,且业务流不存在明显特征签名的情况,提出一种结合会话关联和DPI技术的流量识别方法——深度解析法,该方法能快速地识别出具体的业务数据流。3.结合现有的技术方案,提出并设计了一种基于DPI技术的流量识别控制系统。文中给出了该系统的总体架构,详细分析了各个模块的实现,并通过实验验证了该系统对流量识别的准确性和对流量控制的有效性。
【关键词】：P2P DPI 流量识别 流量控制 AC算法
【学位授予单位】：江西理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.06
【目录】：

• 摘要4-5
• Abstract5-10
• 第一章 绪论10-13
• 1.1 选题背景与意义10
• 1.2 国内外研究现状10-11
• 1.3 论文的主要研究内容11-12
• 1.4 论文的组织结构12-13
• 第二章 相关技术概述13-21
• 2.1 P2P技术13-15
• 2.1.1 P2P的网络结构13-14
• 2.1.2 P2P技术的特点14-15
• 2.2 VoIP技术15-17
• 2.2.1 VoIP的基本原理15-16
• 2.2.2 VoIP的协议标准16-17
• 2.3 流量识别技术17-18
• 2.3.1 基于端口的识别方法17
• 2.3.2 基于IP的识别方法17
• 2.3.3 基于DFI的识别方法17-18
• 2.3.4 基于DPI的识别方法18
• 2.3.5 DFI和DPI对比18
• 2.4 流量控制技术18-20
• 2.4.1 直路串联控制18-19
• 2.4.2 旁路并联干扰19-20
• 2.5 本章小结20-21
• 第三章 AC算法的分析与改进21-32
• 3.1 模式匹配算法21-22
• 3.1.1 单模式匹配算法21-22
• 3.1.2 多模式匹配算法22
• 3.2 传统AC算法22-26
• 3.2.1 转移函数g( )23-24
• 3.2.2 失效函数f( )24-26
• 3.2.3 输出函数output( )26
• 3.3 改进的AC算法26-31
• 3.3.1 传统AC算法的缺陷26-27
• 3.3.2 AC算法的改进27-29
• 3.3.3 改进AC算法的性能分析29-31
• 3.3.4 改进AC算法在本系统中的应用31
• 3.4 本章小结31-32
• 第四章 流量识别与控制系统的设计与实现32-49
• 4.1 系统的总体架构设计32-33
• 4.2 DPI特征库模块33-36
• 4.2.1 应用层特征签名的提取33-34
• 4.2.2 规则文件的结构34-36
• 4.3 流量识别模块36-38
• 4.3.1 DPI识别模块36-37
• 4.3.2 DFI识别模块37-38
• 4.4 流量识别引擎38-45
• 4.4.1 识别引擎38-40
• 4.4.2 识别方法40-45
• 4.5 流量控制模块45-47
• 4.5.1 工作原理45-46
• 4.5.2 部署设计46-47
• 4.6 服务管理模块47-48
• 4.7 本章小结48-49
• 第五章 系统测试49-58
• 5.1 实验测试环境49
• 5.2 流量识别测试49-52
• 5.2.1 实验测试50-51
• 5.2.2 结果分析51-52
• 5.3 流量控制测试52-57
• 5.3.1 实验测试52-56
• 5.3.2 结果分析56-57
• 5.4 本章小结57-58
• 第六章 总结与展望58-59
• 6.1 总结58
• 6.2 展望58-59
• 参考文献59-62
• 致谢62-63
• 攻读学位期间的研究成果63-64

【共引文献】

中国期刊全文数据库 前10条

1 王涛;余顺争;;基于机器学习的网络流量分类研究进展[J];小型微型计算机系统;2012年05期

2 陈陆颖;丛蓉;杨洁;于华;;高速网络环境下的P2P流媒体业务分析和识别方法(英文)[J];中国通信;2011年05期

3 刘浩力;;多层次压缩决策树在计算机取证中的应用[J];中国信息界;2011年01期

4 ;Research of the traffic characteristics for the real time online traffic classification[J];The Journal of China Universities of Posts and Telecommunications;2011年03期

5 周凌云;;决策树在汽车评测中的应用研究[J];中南民族大学学报(自然科学版);2012年03期

6 张瀚;朱洪亮;辛阳;;基于DPI技术的P2P流量检测系统设计[J];信息网络安全;2012年10期

7 禹可;张馨予;狄佳玺;吴晓非;苏驷希;;互联网流量识别中的基于标签传播的重叠社团发现算法(英文)[J];中国通信;2012年12期

8 刘三民;孙知信;;具有概念漂移的P2P网络流量识别研究[J];系统工程与电子技术;2013年04期

9 吴晓非;禹可;狄佳玺;苏驷希;;互联网流量的结构特性:重叠社团和相关性(英文)[J];中国通信;2013年10期

10 何伟;;海上交通管理影响因素数据包络分析研究[J];电子测试;2014年04期

  本文关键词：基于DPI的流量识别方法研究与应用，由笔耕文化传播整理发布。

本文编号：379255