下载文档原格式
53Internet Technology互联网+技术引言：当前，伴随多媒体技术与P2P(Peer to Peer)网络技术的迅猛发展，基于P2P 的视频流应用已成为网络用户流量数据中的关键组成部分[1]。
基于分布式的P2P 技术具有传统客户端/服务器架构技术所不具备的特点与优势。
采用P2P 技术实现多媒体流服务，让用户从分布式环境获取流媒体资源，这样能够有效地降低终端用户对服务器性能的需求，降低网络通信开销和带宽资源，有效地提高流媒体的服务质量。
研究人员为解决P2P 视频流服务中的安全问题，针对P2P 技术的视频流进行有效识别，是实现网络可管理、可控制的关键技术。
目前，基于P2P 的视频流识别技术分为三类，分别是基于端口的P2P 流媒体识别技术、基于流量特征的P2P 流媒体识别技术和基于深层数据报检测的P2P 流媒体识别技术。
基于端口的P2P 流媒体识别技术， 该技术通过识别P2P 流量中数据报的端口字段，所识别出的字段能够准确检测出流量所属P2P 协议，亦能够排除其他端口的非P2P 应用。
该字段再用于特定端口号匹配，这样的方式能够发现潜在的特定P2P 流媒体。
该类技术通过基于端口的识别技术不易受数据包丢失、乱序影响，具有较好的鲁棒性等特征。
基于流量特征的P2P 流媒体识别技术，它能够解析其网络数据报的传输层所展现出的流量特征，实现基于特征匹配的流媒体识别。
常见的流量特征包含：节点角色分析、流量统计、网络直径计算法[2-3]。
基于深层数据报检测的P2P 流媒体识别，该方法需要访问数据包内部有效载荷，挖掘终端用户的应用层数据，基于协议与还原技术检测数据报中是否含有特定协议字符串，以此来判断数据报是否属于P2P 流媒体[4-5]。
此类方法具有优越的扩展性，对已知协议的P2P 应用具有准确的识别率。
现有P2P 视频流识别技术，均建立在传统P2P 应用流量识别技术之上，为了提升基于P2P 的视频流识别方法的有效性和准确率，本文提出基于统计特征与机器学习的视频流识别方法。
P2P论文：基于DPI和DFI的P2P流量检测技术研究【中文摘要】基于P2P技术的各类应用越来越广泛,但在给大家带来方便的同时,已逐渐演变成为宽带网络的带宽杀手,极易造成网络拥堵,严重影响网络服务质量并存在诸多安全隐患。
因此,在相应层级的网络出口能否提供高效的P2P流量管理成为网络能否持续发展的关键要素之一。
论文结合企业级边界网关研发项目,针对当前P2P 检测技术中遇到的带宽高速化和应用多样化两大难题,讨论了P2P技术的发展历程及检测技术,通过深入研究分析P2P协议,提出了一种基于DPI和DFI的P2P流量检测方案,并予以工程实现。
论文的主要工作如下:深入细致地分析了目前主流P2P协议,提取整理出协议的特征字符串,并针对当前软件实现的检测方法无法应用于高速带宽环境的问题,提出了一种基于TCAM的P2P流量检测算法,通过硬件加速,实现了在企业级网络环境下基于深度包检测技术的P2P流量线速检测。
测试结果显示,本算法可以精确地检测出已知的P2P流量。
针对基于TCAM深度包检测技术无法有效检测新型或传输加密P2P协议的问题,提出了一种基于深度流检测技术的加权P2P流量检测算法,通过运用TCP/UDP法、{IP,Port}法、并发连接数法等三种识别技术,分别对流量进行检测,并根据综合判决识别出P2P流量。
测试结果显示,基于DFI加权P2P流量检测技术的检出率、误检率及漏检率明显优于单独的识别技术,并且具备对传输加密的P2P流量检测能力。
针对单独使用基于深度包检测技术和基于深度流检测技术存在一定缺陷的问题,结合项目研发环境,提出并工程实现了一种较完备的P2P流量检测方案,通过融合两种P2P检测算法,实现取长补短,具备了对已知、未知及传输加密等绝大部分P2P流量的检测能力,并采用一种已知数据流优先处理的策略,最大限度地保证了通信质量。
理论分析和测试表明,本方案能在GE接口中实现线速P2P流量检测,完全满足项目研发要求。
基于wireshark的P2P流量识别技术报告masikkk2013年1月1日目录1、摘要 (3)2、关键字 (3)3、背景简介 (3)3.1 P2P流量带来的问题 (3)3.2 P2P流量识别方法分类 (3)3.2.1 基于端口的识别技术 (3)3.2.2 深层数据包识别技术 (4)3.2.3 基于流量特征的识别技术 (4)4、所用技术简介 (4)4.1 Wireshark简介 (4)4.2流（flow）简介 (4)4.2.1什么是流？ (4)4.2.2为什么要将数据包聚合成流？ (5)4.2.3流聚合策略 (5)4.3基于流特征的检测技术 (5)4.3.1什么是基于流特征的检测技术？ (5)4.3.2 P2P流的特征 (5)5方法流程 (6)5.1 流程简介 (6)5.2 详细步骤 (7)5.2.1使用wireshark捕获数据包 (7)5.2.2数据预处理 (7)5.2.3端口匹配和深度数据包检测（由小组另两名成员完成） (7)5.2.4将数据包汇聚成流 (7)5.2.5基于流特征的识别方法 (8)5.2.6结果输出 (8)6、结果讨论 (8)6.1 几种检测方法间的对比讨论 (8)6.2 实验室内不同时间P2P流量对比分析 (9)7、总结 (10)8、参考文献 (10)1、摘要随着P2P技术的发展，P2P流量在占用大量网络资源的同时，也给P2P流量的检测和控制技术提出了越来越高的要求。
传统P2P流量识别方法，例如端口匹配和深度数据包检测已经无法独自应对P2P流量识别问题。
本文中提出了一种结合了端口匹配、深度数据包检测、以及基于流量特征的综合P2P识别方法，此方法继承了传统P2P流量识别技术的优点，同时又克服了传统方法的不足，能够更好的适应不断增强的P2P隐藏技术。
文中对此方法进行了测试并对结果进行了分析，达到了预期P2P流量检测的目的，对于以后的P2P流量识别技术具有重要意义。
2、关键字P2P 流量识别流量特征流3、背景简介3.1 P2P流量带来的问题P2P技术的大量使用使得整个互联网的网络流量急剧增加，互联网通信的瓶颈已经从服务器回到了网络传输设备上．据国际互联网流量监控公司最新统计发现BT等P2P软件所占用的带宽已经超过了传统的HTTP 80端口。
P2P流量综合识别方法的研究摘要P2P的网络传输优势将是民航未来网络传输的发展方向，而P2P流量占用了大量互联网带宽资源，为保证网络的正常运行，有必要对P2P流量加以识别并适当控制。
本文提出一种利用贝叶斯分类技术对网络中P2P流量进行分类的方法，结合深层数据包载荷特征识别和端口识别技术构建了P2P流量识别器。
关键词：P2P；贝叶斯；网络流量；流量控制；识别器0 引言随着网络技术的迅速发展，P2P技术得到了广泛的应用，其传输优势必将是民航未来网络传输的发展方向。
P2P技术不断发展的同时，各种P2P业务所产生的网络流量成为网络带宽的最大消费者，一定程度上影响了其他网络业务正常开展。
对P2P网络流量进行科学的管理和控制，已成为网络管理者面临的重要课题之一。
本文将探讨一种基于流量特征检测和深层数据分析的精确匹配方法，结合深层数据包载荷特征识别和端口识别技术构建P2P流量识别器，为网络管理者对P2P流量管理提供一种可行的方案。
1 P2P流量综合识别法P2P流量综合识别法是运用端口识别、流量特征和深层数据包检测共同对P2P流量进行分类识别的方法。
在流量识别的开始阶段使用端口识别技术，把网络流量中的一些常规网络业务流量（如www、FTP等）分离出来，去除这些不需要进行识别的常规网络流量，为后面的流量识别分类工作做好准备。
对剩余的网络流量，运用流量特征检测技术识别。
在进行识别时，结合数据挖掘技术对P2P 网络流量进行分析，获取P2P流量产生的特征属性集，用这些流量特征集来识别新的P2P流量。
最后通过深层数据包载荷检测技术对识别出来的P2P流量进行精确分类。
首先获取网络流量数据包，让其进入缓存队列，并对数据包进行完整的信息提取，获取网络流的五元组信息。
其次，对缓存队列里的数据包采用IP地址识别，端口识别，TCP/UDP识别技术进行流量识别，识别出一些常规的网络流量和一些采用固定端口进行流量传输的P2P业务。
第三，对于仍没有识别出来的网络流量，采用贝叶斯（Naïve Bayes，简记为NB）分类技术来进行识别，识别出具有P2P流量特征的网络流量，并对这些网络流量进行分类标识，未能识别出具体类型的P2P流量放到下一步去识别。
P2P流量识别关键技术研究的开题报告一、研究背景随着P2P技术的不断发展，P2P应用在我们的日常生活中已经越来越普及，例如： BitTorrent等，它们大量的占用着网络的带宽资源，因而网络的带宽成为瓶颈制约。
因此如何识别P2P流量并应对该流量，是网络优化的重要研究方向。
二、研究目的本项目旨在研究P2P流量识别的关键技术，并为解决网络拥挤问题提供技术支持。
本文将在既有研究的基础上，进一步提炼与实现P2P流量识别的关键技术，包括流量识别的原理和方法，数据采集与处理过程，模型构建和特征选择等方面。
三、研究内容1. P2P流量的分类及数据获取在研究P2P流量识别技术之前，要先对不同类型的P2P流量进行分类，例如：图片、音乐、电影等，由此确定需要收集的数据内容。
同时，要考虑如何获取这些数据，例如：主动抓包或被动监测等。
2. P2P流量的识别方法本文将研究P2P流量的识别方法，包括基于TCP/IP协议的传统流量识别方法、基于深度学习的流量识别方法等。
针对不同类型的P2P流量，使用不同的识别方法，并对识别结果进行分析和对比，选出最优的方案。
3. P2P流量识别模型的构建和特征选择本文将探讨P2P流量识别模型的构建和特征选择方法。
在识别P2P流量的过程中，需要筛选出能够描述P2P流量行为的特征变量，并通过统计分析、机器学习等方式，建立合适的分类模型。
四、研究意义P2P流量的识别与管理是当前互联网领域的重要研究方向之一，本研究能有效地应对网络中的流量拥塞问题，有利于网络的优化与升级。
此外，本项目还具有一定的理论研究价值，并可为未来的研究提供参考依据。
五、预期结果本项目预期能够实现对P2P流量的准确识别和分类，并通过构建合适的模型，进一步丰富和提升网络的识别、排错和管理能力。
此外，预期的研究结果还将发现一些潜在的P2P流量管理难题，并为该领域的未来研究提供新的思路和实践经验。
六、研究方法本项目将采用实验研究法和理论研究法相结合的方法进行研究。
收稿日期:2008207204;修回日期:2008209228 基金项目:国家“863”计划资助项目(2008AA01Z407);湖南省自然科学基金资助项目(07JJ4018);武器装备预研基金资助项目(9140A15070108KG01)作者简介:徐周李(19842),男,湖南衡阳人,硕士,主要研究方向为对等网络(gfkd_xuzhoulli@ );姜志宏(19772),男,讲师,博士,主要研究方向为信息系统工程、多媒体网络;莫松海(19562),男,副教授,硕导,主要研究方向为信息系统工程、智能控制;樊鹏翼(19842),男,硕士,主要研究方向为多媒体网络.基于应用层签名的P2P 流媒体流量识别3徐周李,姜志宏,莫松海,樊鹏翼(国防科学技术大学信息系统与管理学院系统工程系,长沙410073)摘 要:通过对P2P 流量识别技术现状的研究,提出了基于应用层签名的P2P 流媒体流量识别方法。
分析和提取了五种主流P2P 流媒体平台的应用层签名特征,并通过实验验证了基于应用层签名的P2P 流媒体流量识别方法的有效性。
关键词:P2P 流媒体;应用层签名;流量识别中图分类号:TP393 文献标志码:A 文章编号:100123695(2009)0622214203doi:10.3969/j .issn .100123695.2009.06.065I dentificati on of P2P strea m ing traffic using app licati on signaturesXU Zhou 2li,J I A NG Zhi 2hong,MO Song 2hai,F AN Peng 2yi(D ept .of Syste m Engineering,College of Infor m ation Syste m &M anage m ent,N ational U niversity of D efense Technology,Changsha 410073,China )Abstract:This paper surveyed the current P2P traffic identificati on technol ogy and p r oposed a novel method using app licati on signature t o identify P2P strea m ing traffic .Analyzed and extracted features of app licati on signatures f or five rep resentative P2P strea m ing p latf or m s .The identificati on result shows the effectiveness of the p r oposed method .Key words:P2P strea m ing;app licati on signature;traffic identificati on 随着互联网技术的发展,网络媒体逐渐成为新闻舆论战的重要载体和骨干力量,军事专家预言:网络舆论战将成为未来信息化战争中新闻舆论战的主要作战样式。
基于节点及流量行为特征的P2P流量识别单凯;高仲合;禹继国【摘要】由于P2P软件普遍采用动态端口以及负载加密技术,使得基于传输层端口和深度包检测技术的对等网流量识别受到限制.通过对P2P流量的分析发现其两种特性:一是P2P节点具有双面性特征,即P2P节点可以同时上传下载数据;二是P2P 流量的正向流与反向流包到达时间间隔方差比始终在一定区间内波动.由此提出基于节点及流量行为特征的P2P流量识别方法,并将其应用于网络流量监测.实验表明:该方法可识别新应用及加密流量,具有客观性,其流识别率为93％,字节识别率为95.5％.【期刊名称】《济南大学学报（自然科学版）》【年(卷),期】2014(028)004【总页数】5页(P265-269)【关键词】对等网;流量识别;传输层;流量特征【作者】单凯;高仲合;禹继国【作者单位】曲阜师范大学计算机科学学院,山东日照276826;曲阜师范大学计算机科学学院,山东日照276826;曲阜师范大学计算机科学学院,山东日照276826【正文语种】中文【中图分类】TP393近年来，P2P技术迅速发展，据统计，其流量已经达到了70%，给正常网络通信带来了负面影响，既造成了网络拥塞，也对网络运行商造成了损失。
因此，需要对P2P流量进行监控，而监控的首要任务就是对其进行识别［1］。
目前，对P2P流量的识别方法主要包括:1)基于端口的识别方法;2)基于负载特征的深度数据包识别方法［2］;3)基于流量行为特征的识别方法［3］;4)基于机器学习［4］以及概率统计［5］的识别方法。
由于P2P应用大多采用动态端口和负载加密技术［6］，使得前两种方法面临困难。
最后一种方法会因网络拥塞和拓扑变化等因素对识别造成较大误差。
根据流量行为特征来识别P2P流量，可以避免上述方法的缺点，也可以识别新的P2P应用。
通过对流量传输层行为特征的分析，发现了P2P流量的两种特性:一是P2P节点在下载数据时也可以上传数据，节点具有双面性;二是P2P流量的正向流与反向流包到达时间间隔方差比始终在一定区间内波动。
