首页> 正文

P2P网络深度包业务识别（DPI）方法的改进

2020-12-15阅读(887)

P2P网络深度包业务识别（DPI）方法的改进

论文摘要

近些年来,P2P（Peer-to-Peer）技术的使用越来越广泛。然而P2P技术给人们带来便利的同时,也造成了不少问题。例如,P2P流量的“带宽吞噬”特性造成了网络带宽的巨大消耗,甚至会引起网络拥塞,大大降低了网络服务性能,劣化了网络服务质量。因此对网络流量中的P2P业务进行识别具有重要的意义。本论文首先简要介绍业务识别的常用方法,即端口号识别方法、机器学习识别方法,分析这两种识别方法的工作原理,比较它们的优点和不足,然后重点介绍业务识别准确性最高的DPI（Deep Packet Identification）识别方法。通过研究,发现DPI方法存在两大问题:1)过于依赖业务的应用层特征码,但是提取业务的应用层特征码比较困难。2)AC自动机算法是一种高效的多模式匹配算法,经常被用于DPI方法里的模式匹配。然而由于AC自动机算法的原理是先离线构造一个匹配模版,然后进行模式匹配,但是当发现一个新的应用层特征码时,必须用所有的应用层特征码重新构造一个匹配模版,所以AC自动机算法的扩展性不佳,降低了它在DPI方法中应用的效率。针对这两个问题,作者提出一种基于后缀数组的算法来高效提取业务的应用层特征码,同时提出一种基于增量式构造AC自动机的匹配模板算法,提高AC自动机算法在DPI方法中的扩展性。论文中将从理论角度证明算法的正确性和高效性,此外还将设计与实现一个采用DPI方法的业务识别仿真系统,并将这两个算法应用此系统中,从实际角度证明这两个算法的正确性和高效性。

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 作者所做工作以及论文创新点
  • 1.4 论文组织结构
  • 第二章 业务识别的相关方法
  • 2.1 端口号识别方法
  • 2.2 机器学习识别方法
  • 2.2.1 支持向量机
  • 2.2.2 神经网络
  • 2.3 DPI方法
  • 2.3.1 DPI 方法的原理
  • 2.3.2 DPI 方法的关键点
  • 2.3.3 获取应用层特征码的途径
  • 2.3.4 常见的业务的应用层特征码
  • 2.3.5 单模式匹配
  • 2.3.6 多模式匹配
  • 2.3.7 DPI 方法的不足
  • 2.4 本章小结
  • 第三章 基于后缀数组提取业务应用层特征码算法
  • 3.1 基于后缀数组提取业务应用层特征码算法的意义
  • 3.2 求解问题的数学模型及难点
  • 3.2.1 建立数学模型
  • 3.2.2 求解问题的误区和难点
  • 3.3 后缀数组
  • 3.3.1 后缀数组的定义
  • 3.3.2 后缀数组的构造
  • 3.3.3 最长公共前缀的构造
  • 3.4 基于后缀数组的最长公共连续子串算法
  • 3.4.1 基于后缀数组的最长公共子串算法思想
  • 3.4.2 二分算法中一些细节问题
  • 3.4.3 判定部分的实现问题
  • 3.5 算法的正确性证明
  • 3.5.1 证明子串的公共性
  • 3.5.2 证明子串的最长性
  • 3.6 算法的时间复杂度分析
  • 3.6.1 各部分时间复杂度计算
  • 3.6.2 整体的时间复杂度计算
  • 3.7 实际环境中对算法的一些改进
  • 3.7.1 含有杂质的单个业务的数据包
  • 3.7.2 含有多种业务的数据包
  • 3.8 本章小结
  • 第四章 基于增量式构造AC自动机的匹配模板算法
  • 4.1 改进AC自动机算法的意义
  • 4.2 离线构造匹配模版
  • 4.2.1 构造Trie 树
  • 4.2.2 构造失败指针
  • 4.3 基于增量式构造AC自动机的匹配模版算法
  • 4.3.1 失效节点的位置
  • 4.3.2 基于增量式构造AC 自动机的匹配模版算法的基本思想
  • 4.3.3 设置新增节点的失败指针的指向
  • 4.3.4 更新失效节点的失败指针的指向
  • 4.3.5 完整源代码
  • 4.4 基于增量式构造 AC自动机的匹配模版算法的正确性分析
  • 4.4.1 证明设置新增节点失败指针指向的正确性
  • 4.4.2 证明更新失效节点失败指针指向的正确性
  • 4.5 基于增量式构造 AC自动机的匹配模版算法的时间复杂度
  • 4.5.1 插入模式串的时间复杂度
  • 4.5.2 设置新增节点的时间复杂度
  • 4.5.3 设置可能失效节点的时间复杂度
  • 4.5.4 时间复杂度对比
  • 4.6 本章小结
  • 第五章 仿真系统及性能分析
  • 5.1 系统开发及运行环境
  • 5.2 系统的功能需求
  • 5.3 系统整体框架设计
  • 5.4 系统模块详细介绍
  • 5.4.1 系统初始化模块
  • 5.4.2 数据采集模块
  • 5.4.3 数据预处理模块
  • 5.4.4 识别模块
  • 5.4.5 应用层特征码提取模块
  • 5.4.6 更新匹配模版模块
  • 5.5 系统功能测试
  • 5.5.1 测试业务识别功能
  • 5.5.2 测试提取应用层特征码功能
  • 5.5.3 功能测试结果分析
  • 5.6 系统性能分析
  • 5.6.1 基于后缀数组提取业务应用层特征码算法性能分析
  • 5.6.2 基于增量式构造匹配AC 自动机的匹配模版算法性能分析
  • 5.7 本章小结
  • 第六章 总结与展望
  • 6.1 论文总结
  • 6.2 进一步工作展望
  • 参考文献
  • 缩略词
  • 致谢
  • 发表论文
  • 参加项目

    • 相关论文文献

    • [1].DPI设备解析识别能力测试方法探讨[J]. 广东通信技术 2020(04)
    • [2].用于蒸馏水机高温测量的DPI系列智能测量仪表[J]. 机电信息 2014(35)
    • [3].高速网络环境下DPI系统的防噪技术探析[J]. 科技经济导刊 2020(08)
    • [4].基于DPI的流量识别系统的开发与设计[J]. 电子设计工程 2017(11)
    • [5].DPI:运营商大数据安全运营的基石[J]. 网络空间安全 2016(07)
    • [6].DPI技术在数据业务信道分配中的应用[J]. 电信工程技术与标准化 2011(11)
    • [7].基于DPI技术的带宽管理系统的设计与实现[J]. 电声技术 2020(02)
    • [8].基于DPI和机器学习的网络流量分类方法[J]. 桂林电子科技大学学报 2012(02)
    • [9].大学生心理健康教育DPI三维模式的建构[J]. 黑龙江高教研究 2011(04)
    • [10].基于电信运营商固网DPI系统的大数据清洗方案[J]. 电信工程技术与标准化 2016(02)
    • [11].一种以DPI为核心的网络流量识别方案[J]. 软件导刊 2014(01)
    • [12].关于DPI智能提速铜线应用场景的技术分析[J]. 信息通信 2015(08)
    • [13].DPI在移动分组域中的应用与展望[J]. 移动通信 2012(18)
    • [14].电信运营商互联网出口的DPI部署方案研究[J]. 中国新通信 2020(03)
    • [15].DPI模型在页岩气井水平段流态分析中的应用[J]. 江汉石油职工大学学报 2017(05)
    • [16].DPI技术在移动大数据中的应用[J]. 邮电设计技术 2016(08)
    • [17].城域网DPI数据汇聚分析平台建设方案研究[J]. 微型电脑应用 2017(06)
    • [18].大数据背景下运营商建设统一DPI系统的思考[J]. 电信科学 2017(04)
    • [19].基于有限DPI的小代价精确用户行为识别方案的研究与实现[J]. 科技经济导刊 2017(29)
    • [20].基于DPI的家庭网关QoS功能研究[J]. 湖北大学学报(自然科学版) 2014(03)
    • [21].DPI染色显示黄姑鱼NOR的方法研究[J]. 集美大学学报(自然科学版) 2014(03)
    • [22].一种GSM无源探测系统中的空域DPI抑制算法[J]. 现代电子技术 2014(16)
    • [23].移动互联网业务感知APP与DPI时间关联技术研究[J]. 移动通信 2017(02)
    • [24].基于DPI技术的WLAN业务优化及流量控制系统[J]. 科技创业家 2013(06)
    • [25].DPI带宽管理技术的研究与应用[J]. 计算机与现代化 2010(09)
    • [26].一种基于DPI的CMNet城域网用户模型流量预测方法[J]. 通信电源技术 2020(08)
    • [27].TD-SCDMA中基于深度业务识别的差异化调度策略分析[J]. 电信技术 2014(04)
    • [28].基于深度业务识别(DPI)的TD业务感知提升策略[J]. 电信科学 2011(02)
    • [29].基于DFI和DPI技术的异常流量监控[J]. 网络安全技术与应用 2009(01)
    • [30].一种基于自主学习的DPI业务识别方法[J]. 福建师范大学学报(自然科学版) 2017(03)

    标签：;  ;  ;  ;  ;  ;  ;  

    P2P网络深度包业务识别（DPI）方法的改进
    下载Doc文档

    猜你喜欢

    © 2024 毕速过 版权所有 鄂ICP备12018319号-5