基于统计特征的P2P流分类方法研究-计算机系统结构专业论文.docxVIP

万方数据 万方数据 南开大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下进行研究工作所 取得的研究成果。除文中已经注明引用的内容外，本学位论文的研究成果不包 含任何他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所 涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本 学位论文原创性声明的法律责任由本人承担。 学位论文作者签名： 李敬 2015 年 5 月 30 日 非公开学位论文标注说明 (本页表中填写内容须打印) 根据南开大学有关规定，非公开学位论文须经指导教师同意、作者本人申 请和相关部门批准方能标注。未经批准的均为公开学位论文，公开学位论文本 说明为空白。 论文题目 申请密级 □限制(≤2 年) □秘密(≤10 年) □机密(≤20 年) 保密期限 20 年 月 日至 20 年 月 日 审批表编号 批准日期 20 年 月 日 南开大学学位评定委员会办公室盖章(有效) 注：限制★2 年(可少于 2 年);秘密★10 年(可少于 10 年);机密★20 年(可少于 20 年) 摘要 摘要 摘要 近年来，随着互联网的高速发展和新型互联网服务的涌现，丰富的网络应 用给我们的日常生活带来了极大的便利，然而任何事情都具备两面性，互联网 亦如此。日益复杂的互联网系统架构，以及越来越多的新型应用，使得互联网 的监管愈加困难。特别是随着各类 P2P 应用的广泛使用，其对互联网带宽的消 耗剧增，这已严重地侵害了传统的互联网服务。因此针对 P2P 流量的分类与识 别已成为目前网络管理与规划的迫切需求。 本文的研究工作主要包含了以下三个方面： 一、阐述了课题相关的研究背景，学习借鉴了国内外的研究现状，并在此 基础上全面地分析了基于端口号、基于深度包检测、基于统计特征的 P2P 流分 类方法的实现原理及优缺点。 二、通过对采集的 P2P 流量进行包长分布序列的统计与分析，概括性的描述 了 P2P 流传输模式。提出并实现了基于距离的特征选择算法，从而筛选出自有 的特征子集。根据前人所做分析与总结，本文选用 C4.5 与 SVM 作为分类模型 的构建算法。 三、将前文所提的统计特征子集与所选的机器学习算法相结合，实现了基 于统计特征的 P2P 流分类方法，并利用分类评价标准，对该方法进行了全面的 测试与评价。 评价结果标明，该方法能够对 P2P 流量进行有效的分类，基本实现了设计 的目标。在总结了该法的优势与不足之后，文中还对可改进的方面提出了意见， 并指明了今后的研究方向。 关键词：P2P；流分类；统计特征；机器学习 I Abst Abstract Abstract Nowadays, as the popularity of Internet new services raising up, it has brought great convenience to our normal life, which has become a part of our daily working and learning life. However, every coin has two sides, Internet is no exception. It is getting harder and harder to manage Internet as the structure of Internet becoming more and more complex and new Internet services popping up rapidly. Especially for P2P applications, which have made serious damage to the traditional Internet applications. Through the network traffic monitoring all kinds of application, the administrators can timely discover equipment failure, link congestion, user bandwidth usage status, which can distribute bandwidth source more reasonable. Therefore, the network traffic classification has become an important means and basis of the network management. The main contents of this paper in