P2P数据流识别与监控技术研究

P2P数据流识别与监控技术研究

论文摘要

互联网的规模随着计算机技术和网络技术的发展而不断扩大,基于互联网的应用也得到了快速的发展。P2P技术以其良好的可扩展性和稳定性受到普遍的关注。基于P2P技术的网络应用已经明显地改变了互联网。P2P技术的自由、开放,使其成为盗版和非法内容滋生、传播的温床。同时,随着P2P应用的大量出现,P2P流量成为了互联网的主要流量。海量的P2P下载型业务和视频类业务流量已经开始对正常的网络业务的开展产生了影响。有效地对P2P流量进行识别与监控,已成为广泛关注的研究热点。本文首先介绍了P2P应用的特点、网络结构发展和P2P流量监管的必要性,系统回顾了P2P流量识别技术的研究发展现状,并重点对基于数据包内容的检测技术和基于网络传输行为特征的检测技术进行了深入研究。在基于自回归滑动模型的时间序列分析方法基础上,提出了基于连接行为异常检测和DNS行为异常检测的P2P数据流识别方法。当节点连接的IP地址数量出现突增或者访问未经DNS获取的IP地址数量出现突增时,利用自回归滑动模型,从而可以判定节点间正在进行的P2P通信行为。最后通过实验分别验证了本文所提出P2P数据流检测方法的有效性。在对上述P2P数据流识别与监控关键技术深入研究的基础上,本文设计并实现了一个P2P数据流识别与监控系统。通过实际运行效果表明该系统具有良好的实用价值。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 研究背景与意义
  • 1.1.1 研究背景
  • 1.1.2 研究目的及意义
  • 1.2 国内外研究现状
  • 1.2.1 P2P流量识别技术研究现状
  • 1.2.2 P2P流量监控技术研究现状
  • 1.3 论文主要研究内容
  • 1.4 论文的组织结构
  • 第2章 P2P数据流识别与监控技术
  • 2.1 P2P 技术概述
  • 2.1.1 P2P技术定义
  • 2.1.2 P2P技术的发展过程
  • 2.1.3 P2P技术的特点和影响
  • 2.2 基于数据包检测的P2P数据流识别
  • 2.2.1 地址端口识别
  • 2.2.2 深度数据包检测
  • 2.3 基于行为分析的P2P数据流识别
  • 2.3.1 流特征行为分析
  • 2.3.2 网络层行为分析
  • 2.3.3 传输层行为分析
  • 2.3.4 应用层行为分析
  • 2.3.5 流量行为分析
  • 2.4 基于直路串接方式的P2P数据流监控
  • 2.5 基于旁路干扰方式的P2P数据流监控
  • 2.6 本章小结
  • 第3章 基于连接行为异常的P2P数据流识别
  • 3.1 基于自回归滑动模型的异常检测方法
  • 3.2 P2P 节点连接行为异常检测
  • 3.2.1 P2P节点连接行为分析
  • 3.2.2 P2P节点连接行为异常检测方法
  • 3.3 连接行为异常检测实验
  • 3.3.1 实验介绍
  • 3.3.2 实验结果
  • 3.4 本章小结
  • 第4章 基于DNS行为异常的P2P数据流识别
  • 4.1 DNS协议
  • 4.2 P2P节点DNS行为异常检测
  • 4.2.1 P2P节点DNS连接行为分析
  • 4.2.2 P2P节点DNS行为异常检测方法
  • 4.3 DNS行为异常检测实验
  • 4.3.1 实验介绍
  • 4.3.2 实验结果
  • 4.4 本章小结
  • 第5章 P2P流量识别与监控系统设计与实现
  • 5.1 系统功能概述
  • 5.2 系统设计与实现
  • 5.2.1 系统总体设计
  • 5.2.2 流量分析模块设计与实现
  • 5.2.3 监控动作模块设计与实现
  • 5.2.4 系统运行效果
  • 5.3 本章小结
  • 结论
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].基于动态窗口的大数据流式处理技术研究[J]. 数字技术与应用 2020(03)
    • [2].基于邻域相似的大数据流滞后相关性挖掘仿真[J]. 计算机仿真 2020(06)
    • [3].数据流技术在汽车维修中的应用探讨[J]. 时代汽车 2019(07)
    • [4].基于大数据的定性数据流聚类优化模型研究[J]. 西安文理学院学报(自然科学版) 2019(04)
    • [5].一种基于数据流的异常值检测改进算法[J]. 中国科技信息 2017(23)
    • [6].云计算中数据流存储负载均衡优化仿真[J]. 计算机仿真 2018(10)
    • [7].大数据流式计算系统综述[J]. 成组技术与生产现代化 2016(04)
    • [8].数据流技术在汽车维修中的应用[J]. 科技展望 2016(16)
    • [9].数据流分类挖掘中的概念变化研究[J]. 计算机科学 2014(S2)
    • [10].浙江传媒学院加快数据治理形成“数据流”[J]. 中国教育网络 2020(Z1)
    • [11].面向非平衡与概念漂移的数据流分类的研究[J]. 现代计算机 2020(04)
    • [12].基于迁移学习的数据流分类研究综述[J]. 天津理工大学学报 2019(03)
    • [13].试分析电网自动化中数据流技术的运用[J]. 电工文摘 2016(06)
    • [14].海量数据流的分类稳定性决策与评判数学模型仿真[J]. 科技通报 2016(02)
    • [15].非平稳数据流下的网络入侵检测优化方法研究[J]. 计算机仿真 2016(09)
    • [16].分布式数据流分类关键技术研究[J]. 华北科技学院学报 2015(04)
    • [17].数据流技术在电喷发动机维修中的应用分析[J]. 湖南农机 2014(05)
    • [18].数据流技术在电网自动化中的应用实践[J]. 电子技术与软件工程 2014(08)
    • [19].数据流技术在汽车维修中的运用[J]. 黑龙江科技信息 2014(26)
    • [20].数据流系统降载研究综述[J]. 计算机应用研究 2008(10)
    • [21].基于协调数据流抢占机制的原理及设计[J]. 电脑与电信 2008(10)
    • [22].基于多维分层采样的时间维度型大数据流整合系统设计[J]. 现代电子技术 2020(05)
    • [23].数据流计算环境下的集群资源管理技术[J]. 大数据 2020(03)
    • [24].大数据流计算特点及“单一窗口”适用场景探讨[J]. 中国口岸科学技术 2020(08)
    • [25].基于自适应微簇的任意形状概念漂移数据流聚类[J]. 计算机应用与软件 2020(11)
    • [26].一种对数据流进行聚类的改进算法[J]. 电子设计工程 2017(22)
    • [27].分布式数据流上的高性能分发策略[J]. 软件学报 2017(03)
    • [28].一种基于质量估算的空间数据流聚类算法研究[J]. 计算机应用研究 2017(09)
    • [29].融合互近邻降噪的动态数据流分类研究[J]. 计算机科学与探索 2016(01)
    • [30].多媒体云计算下的大规模数据流调度方法研究[J]. 现代电子技术 2015(20)

    标签:;  ;  ;  ;  

    P2P数据流识别与监控技术研究
    下载Doc文档

    猜你喜欢