P2P技术论文：神经网络集成及其P2P流量识别应用的研究.docVIP

P2P技术论文：神经网络集成及其P2P流量识别的应用研究 【中文摘要】目前P2P技术应用越来越广泛,但该应用最主要的问题是消耗大量网络带宽,并带来版权、安全和垃圾信息等问题。因此必须对P2P流量进行监控和管理以提高网络服务的性能。在该监控和管理系统中,P2P流量识别是最关键的技术。因此研究高效的P2P流量识别方法具有重要意义。从国内外的报道来看,基于神经网络的P2P流量识别方法可以取得比较好的效果；但该方法的系统的泛化能力不高,本课题利用神经网络集成来解决这一问题。本文创新之处主要在于以下三个方面：一是提出采用自适应遗传算法构造神经网络集成的方法,该方法能够有效提高学习系统的泛化能力；二是将提出的神经网络集成应用在RBF和FUZZY ARTMAP神经网络集成中,并将这两种神经网络集成应用于P2P流量识别中；三是建立仿真模型,对这两种神经网络集成的P2P流量识别方法进行仿真验证,并比较了这两种神经网络集成的P2P流量识别方法。我们首先比较了BP、RBF和FUZZY ARTMAP三种神经网络,仿真结果表明,三种神经网络对P2P流量的识别率都很高,但在训练时间上,RBF神经网络最好,BP神经网络最差。然后将RBF和FUZZY ARTMAP神经网络集成用于P2P流量识别中,结果表明,两种神经网络集成在牺牲一些训练时间和识别时间的基础上对P2P流量的识别率都有很大的提高。我们最后优化了神经网络集成,结果表明,基于简单平均的RBF神经网络集成的平均识别率为99.15%,较优化前的平均识别率提高了1.5%,平均训练时间为2.5872s,平均识别时间为0.9174s；而FUZZY ARTMAP神经网络集成的平均识别率为99.48%,较优化前的平均识别率提高了0.6%,平均训练时间为6.2824s,平均识别时间为1.4193s。从上述结果可知,RBF神经网络集成的训练时间和识别时间都较少,满足实时要求,识别效果较好,识别率低于FUZZY ARTMAP神经网络集成。如果使用软件,用RBF神经网络集成方案最佳；如果使用硬件方案,用FUZZY ARTMAP神经网络集成是最佳思路。 【英文摘要】At present, the application of P2P technique is more and more popular, but it also brings many problems such as big amount of network bandwidth exhaustion, difficulties on management, copyright, security and spamming. It is of great theoretical and realistic importance to study on efficient identification of P2P traffic to improve network service through monitoring and managing. In the monitoring and management system, P2P traffic identification technology also has important meaning.Through the international reports, the method based on neural network to identify P2P traffic can achieve better results. But the system generalization of the method is weak, and this dissertation will solve the problem by neural network ensemble.There are three innovations in this article. Firstly, I construct a neural network ensemble based on adaptive genetic algorithm, which can improve the generalization ability of learning systems. Secondly, I introduce this method into RBF and FUZZY ARTMAP neural network ensemble and make P2P traffic identification by RBF and FUZZY ARTMAP neural network ensemble. F