移动互联网音视频类协议识别技术研究与实现

发布时间：2017-05-23 14:12

  本文关键词：移动互联网音视频类协议识别技术研究与实现，由笔耕文化传播整理发布。

【摘要】：随着移动互联网时代的到来,移动终端在人们生活中的地位逐步加重。其中音视频类的应用正是用户使用的热点,在总体应用使用量中占有很大比重。通过对此类应用识别,运营商可以收集用户在线观看音视频等行为习惯,进而为用户提供用户差异化服务,也可以服务于对移动互联网音视频应用的安全审计,构建规范的网络环境。 目前针对传统互联网的协议识别技术已经相对成熟,但对于移动网络中的音视频应用的识别研究还刚开始受到关注。本文主要是研究移动互联网音视频类协议识别技术。首先通过对传统应用协议的识别方法的优缺点和适用范围进行对比,以及对移动互联网中音视频应用协议数量多、更新快等特点的研究,有针对性的提出基于特征的移动互联网音视频应用协议的识别方法。之后从移动互联网音视频应用协议的数据的分析中获取不同应用协议的特征,利用特征实现对音视频应用协议的识别。在开发音视频应用协议识别程序和对大量实验的结果分析后,为了改进移动互联网音视频应用协议识别过程在效率上的不足,提出并实现了对移动互联网音视频类应用协议的特征的自动提取。最后通过对特征自动提取系统的实验结果的研究,利用数据包长度进行对音视频应用协议的初步判断的方法,对特征自动识别系统进行优化、改进,进一步提高特征自动提取的效率,进而提高基于特征的移动互联网的音视频应用协议效率。经过测试,该方法可以适用于实际生产环境。
【关键词】：移动互联网 音视频应用 特征 协议识别
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.01;TN929.5
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-18
• 1.1 研究背景及意义11-13
• 1.2 国内外研究现状13-14
• 1.3 本文研究的主要内容14-15
• 1.4 论文结构安排15-18
• 2 应用协议识别方法的相关研究18-29
• 2.1 应用协议识别基本概念18
• 2.2 基于端口的协议识别技术18-20
• 2.2.1 端口分类18-19
• 2.2.2 基于端口的协议识别具体方法及优缺点19-20
• 2.3 基于流动态行为特征的协议识别技术20-23
• 2.3.1 基于流动态行为特征的协议识别技术的基本思想20-22
• 2.3.2 基于流动态行为特征的协议识别技术的方法22
• 2.3.3 基于流动态行为特征的协议识别技术的优缺点22-23
• 2.4 基于负载内容特征的识别技术23-25
• 2.4.1 基于负载内容特征的协议识别技术发展24-25
• 2.4.2 基于负载内容特征的协议识别技术的优缺点25
• 2.5 基于正则表达式的协议识别方法25-27
• 2.5.1 基于正则表达式的协议识别方法的实现原理25-26
• 2.5.2 基于正则表达式的协议识别方法的优缺点26-27
• 2.6 应用协议识别方法评判标准27-28
• 本章小结28-29
• 3 基于特征的音视频应用协议识别技术研究29-44
• 3.1 移动互联网音视频应用协议特点30-32
• 3.1.1 应用数量众多30-31
• 3.1.2 应用更新、换代速度快31
• 3.1.3 数据流量的构成分类多样性31-32
• 3.1.4 应用开发过程不规范32
• 3.1.5 特点总结与方法选取32
• 3.2 移动互联网音视频应用数据包结构32-37
• 3.2.1 数据获取32-34
• 3.2.2 数据包结构分析34-37
• 3.3 基于特征的应用协议识别原理37-41
• 3.3.1 基于特征的应用协议识别原理介绍37-38
• 3.3.2 特征的查找方法38-39
• 3.3.3 基于特征的应用协议识别方法流程说明39-41
• 3.4 基于特征的应用协议识别系统实现41-43
• 3.4.1 结构体定义41-42
• 3.4.2 应用协议识别部分关键代码实现介绍42-43
• 3.5. 系统测试及结果展示43
• 本章小结43-44
• 4 特征自动提取的方法研究44-54
• 4.1 基于特征的协议识别方法存在的问题44-45
• 4.1.1 特征查询的问题描述44
• 4.1.2 特征查询的问题的解决方案44-45
• 4.2 动态规划算法介绍45-46
• 4.2.1 动态规划算法概述45-46
• 4.2.2 动态规划算法适用问题46
• 4.3 基于最长公共子串算法改进特征提取问题46-49
• 4.3.1 最长公共子串算法介绍46-47
• 4.3.2 最长公共子串算法在特征提取中的应用47-48
• 4.3.3 特征自动提取方法流程介绍48-49
• 4.4 特征自动提取系统实现49-53
• 4.4.1 最长公共子串关键实现代码展示50-51
• 4.4.2 数据包解析结构体介绍51-52
• 4.4.3 特征自动提取系统关键代码介绍52-53
• 本章小结53-54
• 5 系统实现及实验分析54-64
• 5.1 基于特征的协议识别系统结果分析与改进54-57
• 5.1.1 音视频应用协议识别情况结果展示及分析54-55
• 5.1.2 音视频应用协议识别准确度情况结果展示及分析55-56
• 5.1.3 基于特征的音视频应用协议系统展示平台改进56-57
• 5.2 基于最长公共子串算法改进特征提取系统分析与改进57-62
• 5.2.1 特征自动提取结果展示57-59
• 5.2.2 自动提取的特征与已知特征结果比对59-61
• 5.2.3 特征自动提取方法问题与改进61-62
• 5.3 基于协议识别标准对系统评价62-63
• 本章小结63-64
• 6 总结与展望64-66
• 6.1 论文工作总结64
• 6.2 论文工作展望64-66
• 参考文献66-69
• 作者简历及攻读硕士学位期间取得的研究成果69-71
• 学位论文数据集71

【参考文献】

中国期刊全文数据库 前10条

1 范慧萍;宣蕾;陈曙晖;黄高平;;基于正则表达式的应用层协议识别加速[J];计算机研究与发展;2008年S1期

2 孙钦东;管晓宏;周亚东;;网络信息内容审计研究的现状及趋势[J];计算机研究与发展;2009年08期

3 陈亮;龚俭;徐选;;基于特征串的应用层协议识别[J];计算机工程与应用;2006年24期

4 王杰;石成辉;;基于正则表达式的动态应用层协议识别方案[J];计算机工程与应用;2010年18期

5 张毅超;车玫;马骏;;求最长公共子串问题的算法分析[J];计算机仿真;2007年12期

6 于海英;赵俊岚;;最长公共子序列算法在程序代码相似度度量中的应用[J];内蒙古大学学报(自然科学版);2008年02期

7 赵娟;樊超;;动态规划方法的应用研究[J];计算机时代;2014年02期

8 高凯;赵登攀;;PCAP文件格式网络数据包分析软件设计与实现[J];软件导刊;2013年12期

9 徐莉;赵曦;赵群飞;秦涛;;利用统计特征的网络应用协议识别方法[J];西安交通大学学报;2009年02期

10 孙正健;陈瑞青;;略谈4G发展背景下网络通信的发展走向[J];无线互联科技;2014年03期

中国博士学位论文全文数据库 前1条

1 林平;网络流量的离线分析[D];北京邮电大学;2010年

  本文关键词：移动互联网音视频类协议识别技术研究与实现，由笔耕文化传播整理发布。

，

本文编号：388176