基于網(wǎng)絡(luò)流特征的P2P網(wǎng)絡(luò)流量分類文學(xué)研究
發(fā)布時(shí)間:2022-07-16 19:44
P2P技術(shù)快速發(fā)展的同時(shí),也導(dǎo)致了網(wǎng)絡(luò)阻塞、網(wǎng)絡(luò)安全性和網(wǎng)絡(luò)資源產(chǎn)權(quán)保護(hù)等問題的產(chǎn)生,因此,通過研究有效的P2P流量識(shí)別方法,用以解決上述問題成為重要課題。論文通過對(duì)比機(jī)器學(xué)習(xí)的幾種常用分類方法和不同的P2P分類策略;重點(diǎn)研究了基于網(wǎng)絡(luò)流特征的P2P流量分類方法,并對(duì)影響分類的關(guān)鍵網(wǎng)絡(luò)流特征進(jìn)行了深入分析;通過引入基于支持向量機(jī)技術(shù),給出了P2P網(wǎng)絡(luò)流量多分類模型,借助LIBSVM工具對(duì)分類模型進(jìn)行了仿真,論文主要工作如下:(1)研究了關(guān)于有監(jiān)督、半監(jiān)督和無監(jiān)督機(jī)器學(xué)習(xí)原理及其代表性算法,對(duì)比分析目前存在的基于端口、會(huì)話、深層數(shù)據(jù)包檢測(cè)和流量行為的P2P流量分類策略。引入了基于P2P網(wǎng)絡(luò)流量特征分類的思想,給出了基于網(wǎng)絡(luò)流特征的檢測(cè)流程,突出了網(wǎng)絡(luò)流定義及生成流程,涉及在線數(shù)據(jù)包捕獲,并對(duì)影響分類的關(guān)鍵特征進(jìn)行了說明和舉例分析。(2)結(jié)合支持向量機(jī)學(xué)習(xí)方法闡明其原理,著重討論了SVM核函數(shù)和SVM算法及其選擇問題,給出了基于SVM的分類流程和多分類處理模型即DAGSVM模型,相應(yīng)給出了模型使用的算法,重點(diǎn)強(qiáng)調(diào)了通過網(wǎng)格搜索法和k-折交叉驗(yàn)證法獲取算法所使用的懲罰因子及核函數(shù)因子參數(shù)值。...
【文章頁數(shù)】:81 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 網(wǎng)絡(luò)流量分類的研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 P2P 網(wǎng)絡(luò)介紹
1.2.2 國(guó)內(nèi)外的一些 P2P 流量識(shí)別方法
1.3 本文工作
1.4 論文結(jié)構(gòu)
第二章 P2P 網(wǎng)絡(luò)流量分類方法
2.1 關(guān)于機(jī)器學(xué)習(xí)的 P2P 流量分類方法
2.1.1 貝葉斯網(wǎng)絡(luò)算法
2.1.2 K-means 聚類算法
2.1.3 自訓(xùn)練分類算法
2.2 常見 P2P 流量分類策略
2.2.1 基于端口的 P2P 流量分類策略
2.2.2 基于深層數(shù)據(jù)包檢測(cè)的 P2P 流量分類策略
2.2.3 基于會(huì)話的 P2P 流量分類策略
2.2.4 基于流量行為的 P2P 流量分類策略
2.2.5 基于網(wǎng)絡(luò)流量特征的 P2P 流量分類策略
2.3 小結(jié)
第三章 基于網(wǎng)絡(luò)流特征的 P2P 網(wǎng)絡(luò)流量分類方法
3.1 P2P 網(wǎng)絡(luò)流特征檢測(cè)流程
3.2 P2P 網(wǎng)絡(luò)流特征分析
3.2.1 捕獲網(wǎng)絡(luò)流量
3.2.2 網(wǎng)絡(luò)流特征選取
3.2.3 常見 P2P 網(wǎng)絡(luò)流特征分析
3.3 小結(jié)
第四章 基于支持向量機(jī)的 P2P 網(wǎng)絡(luò)流量分類模型
4.1 支持向量機(jī)
4.1.1 支持向量機(jī)原理
4.1.2 支持向量機(jī)關(guān)鍵技術(shù)
4.2 基于 SVM 的 P2P 分類模型
4.3 P2P 網(wǎng)絡(luò)流量多分類
4.3.1 網(wǎng)絡(luò)流特征的選擇
4.3.2 SVM 流量多分類
4.4 小結(jié)
第五章 基于支持向量機(jī)模型仿真
5.1 LIBSVM 概述
5.2 仿真流程
5.2.1 實(shí)驗(yàn)環(huán)境
5.2.2 實(shí)驗(yàn)數(shù)據(jù)
5.2.3 總體設(shè)計(jì)
5.2.4 關(guān)鍵技術(shù)和關(guān)鍵模塊說明
5.2.5 仿真場(chǎng)景
5.3 仿真結(jié)果分析
5.4 小結(jié)
第六章 結(jié)束語
6.1 工作總結(jié)
6.2 展望
致謝
參考文獻(xiàn)
本文編號(hào):3663166
【文章頁數(shù)】:81 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 網(wǎng)絡(luò)流量分類的研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 P2P 網(wǎng)絡(luò)介紹
1.2.2 國(guó)內(nèi)外的一些 P2P 流量識(shí)別方法
1.3 本文工作
1.4 論文結(jié)構(gòu)
第二章 P2P 網(wǎng)絡(luò)流量分類方法
2.1 關(guān)于機(jī)器學(xué)習(xí)的 P2P 流量分類方法
2.1.1 貝葉斯網(wǎng)絡(luò)算法
2.1.2 K-means 聚類算法
2.1.3 自訓(xùn)練分類算法
2.2 常見 P2P 流量分類策略
2.2.1 基于端口的 P2P 流量分類策略
2.2.2 基于深層數(shù)據(jù)包檢測(cè)的 P2P 流量分類策略
2.2.3 基于會(huì)話的 P2P 流量分類策略
2.2.4 基于流量行為的 P2P 流量分類策略
2.2.5 基于網(wǎng)絡(luò)流量特征的 P2P 流量分類策略
2.3 小結(jié)
第三章 基于網(wǎng)絡(luò)流特征的 P2P 網(wǎng)絡(luò)流量分類方法
3.1 P2P 網(wǎng)絡(luò)流特征檢測(cè)流程
3.2 P2P 網(wǎng)絡(luò)流特征分析
3.2.1 捕獲網(wǎng)絡(luò)流量
3.2.2 網(wǎng)絡(luò)流特征選取
3.2.3 常見 P2P 網(wǎng)絡(luò)流特征分析
3.3 小結(jié)
第四章 基于支持向量機(jī)的 P2P 網(wǎng)絡(luò)流量分類模型
4.1 支持向量機(jī)
4.1.1 支持向量機(jī)原理
4.1.2 支持向量機(jī)關(guān)鍵技術(shù)
4.2 基于 SVM 的 P2P 分類模型
4.3 P2P 網(wǎng)絡(luò)流量多分類
4.3.1 網(wǎng)絡(luò)流特征的選擇
4.3.2 SVM 流量多分類
4.4 小結(jié)
第五章 基于支持向量機(jī)模型仿真
5.1 LIBSVM 概述
5.2 仿真流程
5.2.1 實(shí)驗(yàn)環(huán)境
5.2.2 實(shí)驗(yàn)數(shù)據(jù)
5.2.3 總體設(shè)計(jì)
5.2.4 關(guān)鍵技術(shù)和關(guān)鍵模塊說明
5.2.5 仿真場(chǎng)景
5.3 仿真結(jié)果分析
5.4 小結(jié)
第六章 結(jié)束語
6.1 工作總結(jié)
6.2 展望
致謝
參考文獻(xiàn)
本文編號(hào):3663166
本文鏈接:http://sikaile.net/guanlilunwen/ydhl/3663166.html
最近更新
教材專著