網(wǎng)絡的發(fā)展使得各種數(shù)據(jù)增值業(yè)務應運而生，憑借資源站點構建簡單和內容類型豐富多彩，對等網(wǎng)絡已經(jīng)占據(jù)了網(wǎng)絡數(shù)據(jù)業(yè)務較多的帶寬。雖然目前網(wǎng)絡技術的發(fā)展日新月異，網(wǎng)絡速度相比以往也有了很大的提高，但是仍然不能保證網(wǎng)絡關鍵業(yè)務的服務。對等網(wǎng)絡主要應用于多媒體文件的分享和在線點播服務，這些業(yè)務占據(jù)了網(wǎng)絡的大部分帶寬，對正常的網(wǎng)絡業(yè)務開展帶來了不良影響。對于P2P流量識別和控制已經(jīng)成為了互聯(lián)網(wǎng)運營商十分關注的問題，也成為了當前計算機網(wǎng)絡領域研究的熱點和難點。常用的P2P流量識別方法很多，包括掃描和封閉P2P協(xié)議所需要的網(wǎng)絡端口、對P2P數(shù)據(jù)流簽名進行匹配和屏蔽以及對P2P流量特征進行統(tǒng)計分析等。這些方法對固定時段和應用的P2P流量有一定效果，但是對動態(tài)和加密的P2P流量識別較為困難，此外，由于受到識別機制的限制，這些方法在應用上缺乏效率和準確性。支持向量機是機器學習領域進行數(shù)據(jù)統(tǒng)計和分析的有效工具，其理論基礎是統(tǒng)計學習，在小樣本空間中具有優(yōu)秀的運算特性，適合解決運算量大和特征維數(shù)高的機器學習問題。經(jīng)過多年的發(fā)展和創(chuàng)新，SVM對P2P網(wǎng)絡流量識別提供了可行的研究思路和解決方案。本文以SVM特征選擇算法... 

【文章來源】：湖北工業(yè)大學湖北省

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
目錄
第1章 引言
    1.1 課題研究背景與意義
        1.1.1 P2P 理念及起源
        1.1.2 P2P 網(wǎng)絡技術的特性
        1.1.3 P2P 技術產生的安全問題
    1.2 國內外研究現(xiàn)狀
    1.3 研究思路
    1.4 論文章節(jié)安排
第2章 SVM 核函數(shù)選擇及小波核函數(shù)
    2.1 SVM 簡介
        2.1.1 SVM 設計思想
        2.1.2 SVM 訓練算法
        2.1.3 SVM 分類模型
        2.1.4 SVM 反饋增量學習
    2.2 SVM 算法的核函數(shù)選擇
        2.2.1 核函數(shù)選擇
        2.2.2 RBF 核函數(shù)
    2.3 基于小波核函數(shù)的 SVM 算法
    2.4 本章小結
第3章 基于 SVM 的在線 DFI 模型及流量特征選擇
    3.1 基于 SVM 的 DFI 在線流量識別模型
        3.1.1 SVM 算法在 P2P 流量識別中的應用現(xiàn)狀
        3.1.2 基于 SVM 的 DFI 流量識別模型
    3.2 網(wǎng)絡流量特征選擇
        3.2.1 P2P 流量特征提取和選擇
        3.2.2 基于 IP 和 IP-Port 的 P2P 流量模式
    3.3 SVM 類封裝部分代碼
    3.4 本章小結
第4章 測試結果分析
    4.1 測試環(huán)境
    4.2 抓包繪圖測試
    4.3 SVM 測試
    4.4 測試結果分析
        4.4.1 IP 模式測試
        4.4.2 IP-Port 模式測試
        4.4.3 IP 模式對比 IP-Port 模式
        4.4.4 IP 和 IP-Port 協(xié)同模式測試
    4.5 本章小結
第5章 總結與展望
中外文參考文獻
致謝



本文編號：3182579