基于信任抽样的P2P流量识别

发布时间：2017-05-24 16:09

  本文关键词：基于信任抽样的P2P流量识别，由笔耕文化传播整理发布。

【摘要】：P2P(Peer-To-Peer)对等网络技术虽然推动了互联网的蓬勃发展,但P2P流量对传统的因特网构架如骨干网的中心路由器等造成了很大的影响。据统计数据显示:过去几年P2P应用对网络带宽的占用比在骨干网大致为40%-70%,在城域网或局域网中甚至可能超过了80%,消耗了大量的网络带宽。P2P流量识别的意义在于可以让网络服务提供商更好的管理网络,降低网络运维成本,提高网络服务质量提供数据支持和监控方向。P2P流量识别的本质是评估某网络拓扑中所有节点在某时间段的P2P流量比例,在基于信任抽样的P2P流量识别系统中,采用信任抽样的意义在于在一定的误差允许前提下通过对节点的设置信任值以降低抽样成本,进而减少抽样系统识别的时间和空间复杂度,使得识别系统的结果计算接近实时。本文围绕这一基于信任抽样的P2P流量识别这一主题展开了深入的研究,主要工作如下:(1)基于一阶信任抽样的P2P流量识别方法的研究。首先介绍了该方法的系统体系架构,并通过结合直线等距抽样方法和对数信任模型,提出了一阶对数信任抽样策略。然后研究了深度报文识别中的多模式匹配算法,按照提出了的模块架构和信任抽样策略编码实现了一个简单的基于一阶对数信任抽样的P2P流量识别软件,用该软件在实际网络环境中监测网络流量、采集数据。最后对该系统识别结果和相关数据进行了分析和总结。(2)基于大数据处理平台下的深度报文计算和识别的研究。首先将分布式并行计算平台用于运行P2P流量识别的主要计算任务(即深度报文检测算法),采用了云管端式的平台架构,逐个分析了该平台架构中各个模块的内部构成和功能。然后提出了一个运行在该大数据处理平台之上的并行识别和计算的然后算法,并简要描述了该算法。最后介绍了数据报文消息封装、并行结果处理及周期划分等方法。(3)基于二阶信任抽样的P2P流量识别方法的研究。首先介绍了该方法的系统体系架构,并将二阶抽样的相关理论和方法结合贝叶斯信任度计算法提出了基于二阶贝叶斯信任抽样策略。然后介绍提出了蓄水池二阶抽样算法,并分析了该算法的可行性及证明了该算法的正确性。最后通过仿真验证了该策略,并对仿真结果进行了分析和总结。
【关键词】：对等网络 流量识别 信任抽样 多阶抽样
【学位授予单位】：湖北工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.02
【目录】：

• 摘要5-6
• Abstract6-7
• 目录7-9
• 第1章 绪论9-14
• 1.1 论文的研究背景及意义9-10
• 1.2 P2P流量识别的研究现状10-12
• 1.3 主要研究内容12-13
• 1.4 论文的章节安排13-14
• 第2章 体系架构和理论基础14-29
• 2.1 系统架构14-20
• 2.1.1 系统架构14-15
• 2.1.2 系统部署环境15-16
• 2.1.3 一阶信任抽样体系架构16-18
• 2.1.4 二阶信任抽样体系架构18-19
• 2.1.5 两种体系架构的区别19-20
• 2.2 数据处理体系架构20-24
• 2.2.1 云管端式计算架构20-22
• 2.2.2 并行计算识别22-24
• 2.3 抽样基础理论24-28
• 2.3.1 简单随机抽样25
• 2.3.2 直线等距抽样25-26
• 2.3.3 二阶随机抽样26-28
• 2.4 本章小结28-29
• 第3章 基于一阶信任抽样的P2P流量识别29-45
• 3.1 直线等距信任抽样策略29-33
• 3.1.1 直线等距信任抽样29-30
• 3.1.2 抽样周期划分30-31
• 3.1.3 一阶信任抽样算法31-33
• 3.2 深度报文检测33-38
• 3.2.1 深度报文检测算法概述33-35
• 3.2.2 P2P协议特征码35-37
• 3.2.3 算法代码实现37-38
• 3.3 实验过程与结果分析38-44
• 3.3.1 实验过程38-40
• 3.3.2 结果分析40-44
• 3.4 本章小结44-45
• 第4章 基于二阶信任抽样的P2P流量识别45-55
• 4.1 二阶随机信任抽样45-49
• 4.1.1 二阶随机抽样信任策略45-47
• 4.1.2 二阶蓄水池抽样算法47-49
• 4.2 仿真与结果分析49-54
• 4.2.1 参数的初始化49-51
• 4.2.2 结果分析51-54
• 4.3 本章小结54-55
• 第5章 总结和展望55-56
• 5.1 研究工作总结55
• 5.2 研究展望55-56
• 参考文献56-60
• 致谢60-61
• 附录6

【相似文献】

中国期刊全文数据库 前10条

1 吴震;刘兴彬;童晓民;;基于信息熵的流量识别方法[J];计算机工程;2009年20期

2 张秀英;王铮;;一种基于流量识别技术的网络信息审计模型[J];微处理机;2010年01期

3 时鸿涛;盖凌云;郭忠文;;一种基于小波谱的流量识别方法[J];计算机工程;2012年12期

4 张剑;钱宗珏;寿国础;胡怡红;;在线聚类的网络流量识别[J];北京邮电大学学报;2011年01期

5 毕夏安;张大方;赵姣姣;;一种高效的游戏流量识别与分类技术[J];计算机工程与应用;2011年23期

6 张剑;曹萍;寿国础;;网络汇聚点传输层拓扑的流量识别[J];计算机应用;2012年07期

7 关卿;秦宏伟;张文超;;基于流亲戚关系分组的流量识别算法[J];计算机与网络;2013年02期

8 王宇科;黎文伟;苏欣;;基于改进分簇算法的网络流量识别方法[J];计算机工程与科学;2011年11期

9 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

10 杜瑞颖;杨勇;陈晶;王持恒;;一种基于相似度的高效网络流量识别方案[J];山东大学学报(理学版);2014年09期

中国重要会议论文全文数据库 前7条

1 马永立;寿国础;胡怡红;钱宗珏;区海平;;新型网络流量识别分析系统及其性能评估[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

2 张娜娜;;P2P流量识别方法研究[A];江苏省电子学会2010年学术年会论文集[C];2010年

3 高长喜;辛阳;钮心忻;杨义先;;基于行为特征分析的P2P流量识别技术的研究[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

4 许刘兵;;基于人工神经网络的P2P流量识别模型的研究[A];中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集（上册）[C];2008年

5 贾波;邹园萍;;基于无监督学习的P2P流量识别[A];浙江省信号处理学会2011学术年会论文集[C];2011年

6 王波;周晓光;苏志远;;基于节点状态的P2P流量识别系统[A];中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集（下册）[C];2008年

7 王波;周晓光;苏志远;;基于节点状态的P2P流量识别系统[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集（下）[C];2008年

中国博士学位论文全文数据库 前6条

1 林冠洲;网络流量识别关键技术研究[D];北京邮电大学;2011年

2 田旭;互联网流量识别技术研究[D];北京邮电大学;2012年

3 彭建芬;P2P流量识别关键技术研究[D];北京邮电大学;2011年

4 张剑;宽带接入网流量识别关键技术研究[D];北京邮电大学;2011年

5 李冰;VoIP和P2P IPTV流量的识别与测量研究[D];天津大学;2010年

6 郭振滨;互联网测量与建模研究[D];北京交通大学;2012年

中国硕士学位论文全文数据库 前10条

1 练琪;基于聚类分析的应用层流量识别研究[D];湖南大学;2010年

2 朱欣;基于数据流挖掘技术的流量识别[D];苏州大学;2011年

3 张波;基于流特征的加密流量识别技术研究[D];哈尔滨工业大学;2012年

4 孙海霞;基于关联规则的流量识别方法研究[D];合肥工业大学;2009年

5 左建勋;网络流量识别技术研究及其应用[D];重庆大学;2007年

6 马保雷;基于概念漂移检测的自适应流量识别研究[D];哈尔滨工业大学;2013年

7 崔月婷;基于分类算法与聚类算法流量识别系统的研究[D];北京邮电大学;2010年

8 郭明亮;高速网络中实时流量识别系统的研究与设计[D];北京邮电大学;2010年

9 王程;网络流量识别分析系统的设计与实现[D];吉林大学;2014年

10 龚超;基于多重识别技术的路由器流量识别系统研究与实现[D];上海交通大学;2011年

  本文关键词：基于信任抽样的P2P流量识别，，由笔耕文化传播整理发布。

本文编号：391286