基于DFI的HTTP流关联方法的研究与实现

发布时间：2017-09-07 02:35

  本文关键词：基于DFI的HTTP流关联方法的研究与实现

  更多相关文章： HTTP 流关联 Deep Flow Inspection(DFI) Content Delivery Network(CDN)

【摘要】：HTTP流关联是指从网页浏览产生的HTTP流量中识别出包含访问页面URL的HTTP请求,将它所在的TCP流定义为主流,并将用于访问网页内嵌对象的HTTP请求所在的辅流关联到该主流上。HTTP流关联可应用于后向收费、网络故障定位、Web流量分析等领域。传统HTTP流关联算法有其固有的缺点,如基于IP与Think times的HTTP流关联算法无法应用于采用CDN加速技术所产生的HTTP流量：基于Referer与Think times的HTTP流关联算法则需要对HTTP请求内容进行解析,且无法处理加密流量：主动HTTP流关联算法则依赖于浏览器插件,只能作为一种辅助方法。本文提出基于DFI的HTTP流关联算法是一种基于流量行为的应用识别技术,无需解析报文应用层内容,通过TCP层以下的信息便能实现HTTP流关联，算法效率高且将来可以移植到HTTPS流量上。本文研究了互联网广告流量以及CDN加速技术对HTTP流量的影响,提出基于HTTP请求的流关联算法,通过该算法研究HTTP流量的特征,在此基础上提出基于DFI的HTTP流关联算法。本文的主要工作有：1)针对传统基于DFI的HTTP流关联算法无法处理采用CDN加速服务的HTTP流量以及互联网广告流量对HTTP流关联中主流识别部分的影响,本文研究CDN加速技术以及互联网广告流量对HTTP流关联的影响后提出相应的解决方案,并取得了较好的关联结果：2)针对手动采集和标记HTTP流量效率低下问题,提出了一种基于Selenium可自动模拟用户操作浏览器行为的方法，并实现了批量访问URL并收集相应HTTP流量的系统；3)为研究HTTP流量的特征,根据HTTP协议的特点提出了基于HTTP请求的流关联算法,并通过该算法实现对HTTP流的关联；4)在上述工作的基础上提出了基于DFI的HTTP流关联算法,并通过与基于HTTP请求的流关联算法计算结果对比,验证DFI关联算法的正确性。实验结果表明,本文提出基于DFI的ITTP流关联算法可以很好地解决HTTP流关联问题。
【关键词】：HTTP 流关联 Deep Flow Inspection(DFI) Content Delivery Network(CDN)
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.092
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-16
• 1.1 研究背景与意义8-10
• 1.1.1 研究背景8-9
• 1.1.2 研究意义9-10
• 1.2 研究现状10-13
• 1.2.1 DFI技术10-11
• 1.2.2 HTTP流关联11-13
• 1.3 研究目标与内容13-14
• 1.3.1 研究目标14
• 1.3.2 研究内容14
• 1.4 论文组织结构14-16
• 第二章 关键问题研究16-26
• 2.1 互联网广告流量研究16-19
• 2.1.1 RTB广告介绍17-18
• 2.1.2 广告对HTTP流关联算法影响分析18
• 2.1.3 解决方案18-19
• 2.2 CDN加速机制19-24
• 2.2.1 基于DNS重定向实现20-21
• 2.2.2 基于HTTP重定向实现21-22
• 2.2.3 CDN对HTTP流关联算法影响分析22-23
• 2.2.4 解决方案23-24
• 2.3 本章小结24-26
• 第三章 基于HTTP请求的流关联算法研究26-40
• 3.1 算法思想26
• 3.2 预备工作26-29
• 3.2.1 流量采集方法26-28
• 3.2.2 HTTP协议28-29
• 3.3 基于HTTP请求的流关联算法设计29-33
• 3.3.1 算法原理29-32
• 3.3.2 异常处理32-33
• 3.4 基于HTTP请求的流关联算法实现33-39
• 3.5 本章小结39-40
• 第四章 基于DFI的HTTP流关联算法研究40-50
• 4.1 相关工作40-43
• 4.1.1 HTTP/1.1协议40-41
• 4.1.2 HTTP流特征研究41-43
• 4.2 主流识别规则43-47
• 4.2.1 基于多事务场景的主流识别44-46
• 4.2.2 基于单事务场景的主流识别46-47
• 4.2.3 特殊场景处理47
• 4.3 辅流关联算法47-48
• 4.4 本章小结48-50
• 第五章 算法实现与实验分析50-59
• 5.1 基于DFI的HTTP流关联算法实现50-54
• 5.1.1 数据预处理50-51
• 5.1.2 关联算法实现51-54
• 5.2 评价指标与数据集54
• 5.2.1 评价指标54
• 5.2.2 实验数据集54
• 5.3 实验结果分析54-58
• 5.3.1 黑名单过滤有效性评估55-56
• 5.3.2 算法正确性评估56-58
• 5.4 本章小结58-59
• 第六章 总结与展望59-61
• 6.1 总结59
• 6.2 展望59-61
• 致谢61-62
• 参考文献62-64

【相似文献】

中国期刊全文数据库 前10条

1 高洪波;;灰色关联算法在物联网安全状态评估中的应用[J];制造业自动化;2012年22期

2 关欣;孙祥威;何友;;基于灰关联度和距离的特征关联算法研究[J];雷达科学与技术;2013年04期

3 刘庆生;周薇;潘江怀;;一种双平台红外传感器目标关联算法[J];舰船电子工程;2009年09期

4 李s，

本文编号：806918