基于决策树的P2P 流量识别方法研究.pdfVIP

第21卷 第 12期 计 算 机 技 术 与 发 展 V01．21 No．12 2011年 12月 COMPUTER TECHNOLOGY AND DEVELOPMENT Dec． 2011 基于决策树的P2P流量识别方法研究 李晟锴 (安徽理工大学 计算机科学与工程学院，安徽 淮南 232001) 摘 要：针对新型P2P业务采用净荷加密和伪装端 口等方法来逃避检测的问题，提出了一种基于决策树的P2P流量识别 方法。该方法将决策树方法应用于网络流量识别领域，以适应网络流量的识别要求。决策树方法通过利用训练数据集中 的信息熵来构建分类模型，并通过对分类模型的简单查找来完成未知网络流样本的分类。实验结果验证了C4．5决策树 算法相比较NaYveBayes、BayesNetwork算法，处理相对简单且计算量不大，具有较高的数据处理效率和分类精度，能够提 高网络流量分类精度，更适用于P2P流量识别。 关键词：决策树；流量识别；特征选择；分类精度 中图分类号：TP391 文献标识码：A 文章编号：1673—629X(2011)12—0029一o4 P2P NetworkTramCClassificationBasedonDecisionTree LISheng-km (SchoolofCompumrScienceEngineering，AnhuiUniversityofScienceTechnology，Hu~nan232001，China) Abstract：TosolvethequestionofnewP2PposeP2Pnet- worktrafficclassificationbasedondecisiontree．Thismethodappliesdecisiontreeintohteareasofnetworktraffictoaccommod ateInter- nettrafficidentificationrequirements．Decisiontreemehtod buildsaclassificationmod elusinginformationentropyintrainingdataand classifiesflowsjustbyasimplesearchofhtedecisiontree．ComparedwithNaiveBayes，Bayesnetworkalgorithm。experimentalresults demonstratetheCA ．5decisiontreecanachievehighclassificationaccuracywithfastercompuattional timebyrelativelysimpleandsmall calculationprocessing．Itismore suiatbletoP2Ptrafficidentification． Keywords：dceisiontree；trafficclassification；featureeslection；classificationaccuracy 0 引 言 于加密后的数据包 ，净荷特征识别法也无能为力 。 网络流量的精确分类是分析网络用户行为、检测 近年来 ，基于机器学习的网络流量识别方法表现 网络异常行为和提高服务质量等行为的前提和基 出了较高的准确率，因此得到了越来越多研究者的青 础…。P2P应用的飞速发展，其流量爆发式的增长和 睐 。文献[7～9]研究神经网络技术应用于网络流 不加限制的带宽使用，极大地增加了网络负担，使网络 量分类，其中文献[7]研究了BP神经网络技术，分析 拥塞现象 日趋严重 。随着 P2P各种业务的剧增，以 P2P流量的特