發(fā)布時間：2021-05-12 02:44

　　網(wǎng)絡(luò)的發(fā)展使得各種數(shù)據(jù)增值業(yè)務(wù)應(yīng)運而生，憑借資源站點構(gòu)建簡單和內(nèi)容類型豐富多彩，對等網(wǎng)絡(luò)已經(jīng)占據(jù)了網(wǎng)絡(luò)數(shù)據(jù)業(yè)務(wù)較多的帶寬。雖然目前網(wǎng)絡(luò)技術(shù)的發(fā)展日新月異，網(wǎng)絡(luò)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(luò)關(guān)鍵業(yè)務(wù)的服務(wù)。對等網(wǎng)絡(luò)主要應(yīng)用于多媒體文件的分享和在線點播服務(wù)，這些業(yè)務(wù)占據(jù)了網(wǎng)絡(luò)的大部分帶寬，對正常的網(wǎng)絡(luò)業(yè)務(wù)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(guān)注的問題，也成為了當(dāng)前計算機網(wǎng)絡(luò)領(lǐng)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(luò)端口、對P2P數(shù)據(jù)流簽名進(jìn)行匹配和屏蔽以及對P2P流量特征進(jìn)行統(tǒng)計分析等。這些方法對固定時段和應(yīng)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(yīng)用上缺乏效率和準(zhǔn)確性。支持向量機是機器學(xué)習(xí)領(lǐng)域進(jìn)行數(shù)據(jù)統(tǒng)計和分析的有效工具，其理論基礎(chǔ)是統(tǒng)計學(xué)習(xí)，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(xué)習(xí)問題。經(jīng)過多年的發(fā)展和創(chuàng)新，SVM對P2P網(wǎng)絡(luò)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(xué)湖北省

【文章頁數(shù)】：60 頁

【學(xué)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(luò)技術(shù)的特性
        1.1.3 P2P 技術(shù)產(chǎn)生的安全問題
    1.2 國內(nèi)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(shè)計思想
        2.1.2 SVM 訓(xùn)練算法
        2.1.3 SVM 分類模型
        2.1.4 SVM 反饋增量學(xué)習(xí)
    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(jié)
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(yīng)用現(xiàn)狀
        3.1.2 基于 SVM 的 DFI 流量識別模型
    3.2 網(wǎng)絡(luò)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(jié)
第4章 測試結(jié)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(jié)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(jié)
第5章 總結(jié)與展望
中外文參考文獻(xiàn)
致謝



本文編號：3182579