- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
对等网络流量信息结构异常检测技术探究
对等网络流量信息结构异常检测技术探究 摘 要: 随着信息技术的发展,对等网络P2P信息流量经常出现偏离正常范围的异常情况,这里以决策树算法为基础,对P2P流量检测和流量异常时的检测技术进行研究。采用改进的C4.5决策树P2P流量检测模型,通过P2P流量异常检测模型对大量训练数据集的训练,实现了对错误的逐步修正,通过试验室仿真试验可知,经过选择网络流量特征后,基于改进的C4.5决策树的P2P网络流量分类器能实现较好的分类效果,分类检测率在94.6%~96.7%,较高的检测率说明采用改进的C4.5决策树算法能有效地对P2P流量进行检测,为研究P2P流量异常检测技术提供了参考
关键词: P2P; 流量信息; 结构异常; 决策树; 检测技术
中图分类号: TN711?34; TP393 文献标识码: A 文章编号: 1004?373X(2017)09?0093?03
Abstract: With the development of information technology, the peer?to?peer (P2P) network information traffic often deviates from the normal range. The detection technology for P2P traffic detection and abnormal traffic is studied on the basis of the decision tree algorithm. The P2P traffic detection model based on improved C4.5 decision tree is used to train the massive training datasets by means of the P2P anomaly traffic detection model to modify the error gradually. The simulation test in laboratory was performed. The P2P network traffic classifier based on improved C4.5 decision tree has perfect classification effect after selecting the characteristics of the network traffic. The classification detection rate is 94.6%~96.7%, which shows that the improved C4.5 decision tree algorithm can detect the P2P traffic effectively, and provide the reference for studying the P2P anomaly traffic detection technology in future.
Keywords: P2P; traffic information; abnormal structure; decision tree; detection technology
0 引 言
目前,?S着信息技术的发展,对等网络(P2P)信息流量增长越来越快[1?3]。根据国内互联网流量模式报告显示,在整个互联网流量中,P2P流量占到70%左右[4]。近年来,经常出现网络流量偏离正常范围的异常情况,导致流量出现异常主要是由恶意网络攻击造成的,如DOS攻击、蠕虫传播、僵尸网络等攻击,同时由于网络偶发性线路中断、配置失误也会引起流量的异常,这就会造成网络服务质量下降,严重时会直接导致网络瘫痪[5]
P2P大量占用互联网带宽,影响用户上网正常运行,检测管控P2P流量是网络管理难题[6]。因而在大规模网络环境中,对网络异常进行检测,同时对网络异常提供预警信息,对维护网络正常运行意义十分重大[7]。本文以决策树算法为基础,对P2P流量检测和流量异常时的检测技术进行研究
1 对等网络P2P概况
对等网络P2P实质上属于分布式网络,参与者均可共享使用公共部分的一些硬件资源,如硬件处理和存储能力,共享资源的服务、内容由网络提供,节点可对这些资源进行直接访问,不需要经过任何中间实体。P2P最具有代表性的应用是进行文件共享,同时P2P的共享还有P2P计算、P2P形式的通信网络等。P2P与客户/服务器模型的区别是网络中节点可对其他节点资源或服务进行获取,还可提供资源或服务,这是P2P的基本思想。在P2P网络中
文档评论(0)