三种神经网络识别P2P流量的方法比较-通信与信息系统专业论文.docxVIP

重庆大学硕士学位论文中文摘要 重庆大学硕士学位论文 中文摘要 I I 摘 要 P2P 技术打破传统 C/S 模式的限制，成为互联网新时代的主流技术之一。越来 越多的人们享受着 P2P 技术带来的便利，而与此同时，新的 P2P 应用还在不断涌 现。然而，伴随着 P2P 技术的飞速发展，网络带宽被大量消耗、网络资源监管困 难以及安全隐患等诸多问题随之出现，如何有效地对 P2P 流量进行识别与控制已 经成为当前研究的热点问题。 传统的 P2P 流量识别方法主要有基于端口的识别方法、深层数据包检测技术、 基于流特征的识别技术等。基于神经网络的识别技术是目前较为先进的一种，它 利用神经网络自学习、自组织和自适应的特性，可有效解决传统流量识别方法存 在的问题。 本文通过对各种 P2P 流量识别技术的分析，提出一种基于神经网络结合流量 统计特征的 P2P 流量识别方法，着重研究了三种可用于 P2P 流量识别的神经网络， 并对每种神经网络的识别效果进行比较。本文主要工作可总结为以下几个方面： ①对现有 P2P 流量识别技术进行详细分析，指出各种传统识别方法的优势与 存在的不足，针对各种方法的优缺点，提出一种基于神经网络结合流统计特性的 P2P 流量识别方法。 ②在对 PPLive 和 PPStream 两种主流的 P2P 流媒体系统进行协议分析的基础 上总结 P2P 流量的统计特征，选择数据包总数