基于人工神经网络的P2P流量识别模型地研究.pdfVIP

基于人工神经网络的P2P流量识别模型的研究 许刘兵 南京邮电大学计算机学院210003 xuliubing@gnarl．com 摘要：本文提出了一种新的P2P流量识别方法，该方法以流量行为特征作为流量类型识别的依据，建立 BP神经网络模型。与已有的多种P2P流量识别技术相比，其具有泛化性高，自学能力强，效率和准确性 可到达实际应用要求。 关键字：流量行为特征，BP神经网络，P2P，流量识别 NetworkBasedP2PTr甜!fiCIdentification ResearchonNeural Xu Liubing Schoold of 210003 UniversityPostsTelecommunications，N粕jing Computer，Nanjing this newP2P砸I伍cidenditificationmethodis UISe8mI岱ccharacters鹏itsidentificationfac— Abstract：In paper。a given，which torsandbasesonneuralnetwork with existedP2Ptr／血cidentificationhas model．Compariedmanyalready methods，ithighergen— eralizationand in Canmeettheactualneeds． strongerself-learningabilityadvantage，itsperformance Neural Identification words：Tra丑icCharacter，BPNetwork，P2P，Traffic Key 1 引言 它打破了传统的客户／服务器(C／S)模式。在对等网络中，每个节点的地位都是相同的，具备客户端和服务 器双重特性，可以同时作为服务使用者和服务提供者。由于P2P技术的飞速发展，互联网的存储模式将由 目前的“内容位于中心”模式转变为“内容位于边缘”模式，改变了intemet现在的以大网站为中心的状态，重 返“非中心化”，将权力交还给用户。 随着互联网技术和应用深入发展，P2P技术改变了传统互联网的通信模式。据统计，目前P2P流量占用 服务质量形成了威胁。当前互联网运营商的业务模型和基础设施普遍不适合发展P2P业务，P2P流量的迅 猛发展对运营商的网络产生了巨大压力。如何识别P2P流量以及对其进行控制渐渐的成为了宽带运营商 比较关心的问题。 2相关工作及研究 目前，P2P流量识别技术主要三种‘11：基于端口的识别技术、基于关键字匹配的识别技术、基于流量行为 特征的识别技术。 在P2P发展的早期，众多P2P数据流都采用固定端口的形式，通过检查数据包头中的端口，与已知的 端口形式。基于端口的P2P流量识别技术便不再适用。 653 基于关键字匹配的识别技术(DPI)，通过分析流数据包总结出其中位置或者内容固定的字符串，即关键 字，以这些关键字作为识别依据来进行P2P流量的识别，虽然此种技术可以达到很高识别准确率，但同时也 存在一些严重的缺陷：①各种P2P应用程序的关键字随着软件的升级可能会发生改变，因此关键字的获取 不是一劳永逸而必须时刻注意更新。②关键字的获取是通过分析数据包内容获得，这关系到数据隐私的问 题。③关键字的总结需要采集大量数据包，在主干网上对数据包截取或者拷贝，特别是当主干