發(fā)布時間：2018-04-03 09:01

  本文選題：P2P流量識別　切入點：早期流量　出處：《河北大學(xué)》2017年碩士論文

【摘要】：P2P應(yīng)用在提高服務(wù)質(zhì)量的同時,也為網(wǎng)絡(luò)流量的管理帶來了新的挑戰(zhàn)。出于流量管理的需要,對P2P流量識別的研究越來越受到人們的關(guān)注。網(wǎng)絡(luò)應(yīng)用的早期流量,蘊含了豐富的識別信息。對網(wǎng)絡(luò)應(yīng)用早期流量識別的研究對流量識別準確度和實時性的提高意義重大。SVM(支持向量機)是一種優(yōu)秀的機器學(xué)習(xí)算法,具有良好的學(xué)習(xí)和泛化能力,非常適合流量識別領(lǐng)域的應(yīng)用。在本文中基于SVM對P2P流量早期識別進行了相關(guān)研究。本文的研究內(nèi)容包括:1.對P2P應(yīng)用開展研究。通過對相關(guān)理論的靈活應(yīng)用,提出了一個基于SVM對P2P流量早期識別的框架。并通過開展實驗,對常見的幾種P2P應(yīng)用流量進行識別,驗證了該框架可行性和有效性。2.對框架中網(wǎng)絡(luò)數(shù)據(jù)預(yù)處理過程進行設(shè)計,通過采集,數(shù)據(jù)凈化,網(wǎng)絡(luò)流還原,特征統(tǒng)計等步驟,實現(xiàn)了數(shù)據(jù)由捕獲數(shù)據(jù)包到學(xué)習(xí)樣本的轉(zhuǎn)換。并對學(xué)習(xí)機泛化識別模型的過程進行了優(yōu)化。3.對P2P的早期流量特征進行研究,就P2P早期流量的多連接性,動態(tài)性及雙向性特征對特征選擇的指導(dǎo)意義進行了論證。對基于數(shù)據(jù)包,網(wǎng)絡(luò)流和數(shù)據(jù)包、網(wǎng)絡(luò)流混合特征三種特征選擇策略進行實驗對比。驗證了基于數(shù)據(jù)包、網(wǎng)絡(luò)流混合特征的P2P早期流量識別,在準確度、實時性及穩(wěn)定性的綜合性能優(yōu)于基于數(shù)據(jù)包和基于網(wǎng)絡(luò)流的特征選擇策略。更適合實際問題的解決。
[Abstract]:P2P applications not only improve the quality of service, but also bring new challenges to network traffic management.The early traffic of network application contains abundant identification information.The study of early traffic identification in network application is of great significance to improve the accuracy and real-time of traffic identification. SVM (support Vector Machine) is an excellent machine learning algorithm with good learning and generalization ability.Very suitable for traffic identification applications.In this paper, the early identification of P2P traffic based on SVM is studied.The research contents of this paper include: 1.Research on P2P applications.A framework for early identification of P2P traffic based on SVM is proposed through the flexible application of relevant theories.The feasibility and effectiveness of this framework are verified by experiments to identify the traffic of several P2P applications.The preprocessing process of network data in the framework is designed. Through the steps of data acquisition, data purification, network flow restoration and feature statistics, the data conversion from capture data packet to learning sample is realized.The process of generalized recognition model of learning machine is optimized. 3. 3.The characteristics of early P2P traffic are studied, and the guiding significance of multi-connectivity, dynamic and bidirectional characteristics of early P2P traffic to feature selection is demonstrated.Three feature selection strategies based on data packet, network flow, data packet and network flow are compared experimentally.It is verified that the performance of P2P early traffic identification based on data packet and network flow hybrid features is superior to that of feature selection strategy based on data packet and network flow in accuracy, real-time and stability.More suitable for the solution of practical problems.
【學(xué)位授予單位】：河北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP393.06;TP181

【相似文獻】

相關(guān)期刊論文 前10條

1 衛(wèi)俊平,陳明宇,余智華,郭莉;高速網(wǎng)絡(luò)流產(chǎn)生系統(tǒng)[J];計算機應(yīng)用;2003年06期

2 武佳寧;;基于序列特征的網(wǎng)絡(luò)流分類方法研究[J];電子設(shè)計工程;2013年23期

3 張峰,雷振明;高速網(wǎng)絡(luò)流測量及模型研究[J];計算機工程與應(yīng)用;2004年17期

4 阿呆;;Netronome:為亞太區(qū)量身定制解決方案[J];通訊世界;2011年04期

5 龍熙華;韓大中;;線性多商品網(wǎng)絡(luò)流算法與多煤種調(diào)運優(yōu)化[J];西安礦業(yè)學(xué)院學(xué)報;1987年03期

6 孫旺弟,徐和杰;網(wǎng)絡(luò)流理論在配水系統(tǒng)壓力優(yōu)化計算中的應(yīng)用[J];鎮(zhèn)江船舶學(xué)院學(xué)報;1990年03期

7 高峰修,黃根勛,張利民;基于網(wǎng)絡(luò)流上的秘密共享體制[J];通信技術(shù);2002年04期

8 葉麟;張宏莉;何慧;;基于主成分分析的網(wǎng)絡(luò)流相關(guān)性研究[J];計算機工程;2007年12期

9 季海波,楊蓓,沈廉;關(guān)于二元網(wǎng)絡(luò)流算法的一個推廣[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;1998年03期

10 王可定，封樹標;多源點網(wǎng)絡(luò)流圖的計算機解法[J];系統(tǒng)工程理論與實踐;1994年08期

相關(guān)重要報紙文章 前2條

1 本報記者 龔保華;讓電視網(wǎng)絡(luò)流光溢彩[N];吉林日報;2013年

2 ;賽門鐵克ManHunt 網(wǎng)絡(luò)獵手[N];計算機世界;2003年

相關(guān)碩士學(xué)位論文 前10條

1 蔣曉路;網(wǎng)絡(luò)流特征的時頻分析及其應(yīng)用研究[D];電子科技大學(xué);2014年

2 楊嘉佳;高速網(wǎng)絡(luò)流過濾關(guān)鍵技術(shù)研究與應(yīng)用[D];長沙理工大學(xué);2014年

3 吳輝;基于模糊K-Means的網(wǎng)絡(luò)流分類系統(tǒng)研究與實現(xiàn)[D];廣東工業(yè)大學(xué);2016年

4 顏敏玲;多層次網(wǎng)絡(luò)流識別技術(shù)研究與實現(xiàn)[D];西南交通大學(xué);2016年

5 陳怡然;基于網(wǎng)絡(luò)流和連接特征的端主機分類[D];電子科技大學(xué);2016年

6 張煥娜;基于流連接行為分析的通信網(wǎng)絡(luò)異常事件識別方法研究[D];電子科技大學(xué);2016年

7 侯翔宇;并行網(wǎng)絡(luò)流分類技術(shù)研究[D];哈爾濱理工大學(xué);2016年

8 王志剛;作業(yè)感知的Hadoop集群網(wǎng)絡(luò)調(diào)度方法研究[D];大連理工大學(xué);2016年

9 李浩宇;智慧標識網(wǎng)絡(luò)流適配機制的設(shè)計與實現(xiàn)[D];北京交通大學(xué);2017年

10 周鵬飛;抗匿名網(wǎng)絡(luò)流變換的時隙質(zhì)心網(wǎng)絡(luò)流水印技術(shù)研究[D];南京理工大學(xué);2017年

，

本文編號：1704510