基于行为分析的P2P流媒体业务识别方法研究与实现

论文摘要

随着P2P技术应用的不断发展,P2P网络自身的安全问题,以及其滥用带宽资源的特性日益显现出来,也越来越受到电信运营商的重视。如何对P2P业务进行分类和识别已成为一个亟待解决的课题。虽然已经有一些关于P2P文件下载业务的识别方法的研究成果,但是在P2P流媒体方面,还没有比较有效的识别算法,并且针对P2P流媒体流量行为特征的研究也很少。在实际网络中,尤其是近年来,P2P流媒体的流量增长速度远大于其它类型的P2P应用,并且从长期来看,其协议加密化的趋势不可避免。因此,对基于P2P流媒体流量行为特征进行分析研究并设计P2P流媒体业务的实时识别系统,具有重要的理论意义和实用价值。P2P流媒体应用由于其自身系统结构的特点,会在流量方面表现出一些区别于其它应用的明显特性。当前,主流的P2P流媒体系统实现结构基本相同,都是基于mesh-pull的系统结构而衍生的,这就决定了系统中的节点具有自己独特的交互行为特征；另外,尽管P2P流媒体应用多种多样,但是无论哪一种应用,其最为本质的特征就是资源暂存性和高度动态性。本文选取上述特征作为识别依据,对基于P2P流媒体的行为特征识别展开研究并设计相应的识别算法。本文首先对P2P流媒体的系统结构进行了描述,并对P2P流媒体系统中节点交互的行为特征进行了总结。随后,在此基础上,提出了两种基于行为特征的识别算法：基于贝叶斯分类的识别算法和基于特征量匹配的识别算法。最后,搭建了实验平台,将两种方法进行结合,作为一种基于行为特征的识别方法,并且选取了三种在国内流行度较高的P2P流媒体应用,以应用产生流量作为测试样本,对上述方法进行了大量的实验测试。测试结果表明,此算法可以有效地识别出未知流量中的P2P流媒体流量,并且从识别率、误识别率以及实时性等儿个指标来衡量,均达到比较理想的结果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究现状
• 1.3 论文结构
• 第二章 P2P流媒体系统结构与原理
• 2.1 P2P流媒体系统结构
• 2.2 系统节点通信过程
• 2.3 Peer交互过程中关键技术
• 2.3.1 Gossip协议
• 2.3.2 视频分发协议
• 2.4 特性总结
• 2.5 本章小结
• 第三章 基于贝叶斯分类的识别算法
• 3.1 贝叶斯分类器原理
• 3.2 特性选取
• 3.3 样本形成
• 3.4 基于贝叶斯分类识别算法结构
• 3.5 算法性能分析
• 3.5.1 参数估计
• 3.5.2 算法开销
• 3.5.3 识别率
• 3.5.4 误识别率
• 3.6 本章小结
• 第四章 基于特征量匹配的识别算法
• 4.1 特征量匹配算法原理
• 4.2 特性选取
• 4.2.1 数据请求比特性
• 4.2.2 BM信息比特性
• 4.2.3 数据信息比特性
• 4.2.4 满负载分组比
• 4.2.5 Tracker端口特性
• 4.2.6 平均分组长度特性
• 4.3 基于特征量匹配的识别算法结构
• 4.4 算法性能分析
• 4.4.1 参数估计
• 4.4.2 识别率
• 4.4.3 误识别率
• 4.5 本章小结
• 第五章 P2P流媒体流量识别系统结构及测试
• 5.1 系统结构
• 5.1.1 数据预处理
• 5.1.2 流表操作
• 5.1.3 识别模块
• 5.1.4 输出结果
• 5.2 测试结果
• 5.2.1 测试环境及数据说明
• 5.2.2 识别率测试
• 5.2.3 误识别率测试
• 5.2.4 实时性测试
• 5.3 本章总结
• 第六章 总结与展望
• 参考文献
• 附录
• 致谢
• 发表论文和科研情况