基于SVM的P2P數(shù)據(jù)流檢測技術的研究.pdf

1、P2P(Peer to Peer)技術在Internet中占有舉足輕重的地位,近年來迅速成為計算機網(wǎng)絡界關注的焦點;但是P2P技術發(fā)展的同時帶來了網(wǎng)絡帶寬的大量占用、知識產權糾紛、安全威脅等問題。為了促進P2P網(wǎng)絡健康發(fā)展,對P2P數(shù)據(jù)流進行有效的監(jiān)管,準確識別P2P數(shù)據(jù)流顯然已經成為P2P流管理中重要的研究課題。
　　 本文針對目前P2P數(shù)據(jù)流檢測中存在的小數(shù)據(jù)流檢測準確率不高、偽裝的P2P數(shù)據(jù)流和新出現(xiàn)的P2P數(shù)據(jù)流學習能力

2、低,識別效率不高的問題,設計實現(xiàn)了一個改進的基于SVM的P2P數(shù)據(jù)流識別技術,主要圍繞以下幾方面的問題進行了研究和討論:(1)在數(shù)據(jù)包采樣階段應用SGS變頻率數(shù)據(jù)包采樣策略,相比于傳統(tǒng)的固定頻率數(shù)據(jù)包采樣方法,能夠實時地靈活控制數(shù)據(jù)包采樣頻率,根據(jù)現(xiàn)實網(wǎng)絡情況更好地實現(xiàn)小數(shù)據(jù)流的采樣,創(chuàng)建均衡的數(shù)據(jù)流量樣本集;(2)設計構造了SVM訓練樣本集,根據(jù)正例反例樣本的均衡性,樣本代表性等原則,對不同的P2P網(wǎng)絡應用和非P2P網(wǎng)絡應用中200余

3、個流量特征進行統(tǒng)計分析,權衡P2P樣本訓練的效率與分類器準確率,選取五個數(shù)據(jù)流特征作為樣本特征;(3)首次訓練采用訓練樣本集生成數(shù)據(jù)流分類器,之后將增量學習算法應用到SVM迭代訓練當中,將分類錯誤的樣本與已有的支持向量集組成新的訓練樣本,并且對新的訓練樣本進行分組訓練以達到對樣本學習規(guī)模、訓練時間復雜度和迭代訓練樣本對SVM分類器靈敏度影響的控制。
　　 本文采用Andew Moore數(shù)據(jù)集和某網(wǎng)絡服務器截獲的數(shù)據(jù)流集作為測試樣