本文關鍵詞：基于信任抽樣的P2P流量識別，由筆耕文化傳播整理發(fā)布。

【摘要】：P2P(Peer-To-Peer)對等網絡技術雖然推動了互聯網的蓬勃發(fā)展,但P2P流量對傳統的因特網構架如骨干網的中心路由器等造成了很大的影響。據統計數據顯示:過去幾年P2P應用對網絡帶寬的占用比在骨干網大致為40%-70%,在城域網或局域網中甚至可能超過了80%,消耗了大量的網絡帶寬。P2P流量識別的意義在于可以讓網絡服務提供商更好的管理網絡,降低網絡運維成本,提高網絡服務質量提供數據支持和監(jiān)控方向。P2P流量識別的本質是評估某網絡拓撲中所有節(jié)點在某時間段的P2P流量比例,在基于信任抽樣的P2P流量識別系統中,采用信任抽樣的意義在于在一定的誤差允許前提下通過對節(jié)點的設置信任值以降低抽樣成本,進而減少抽樣系統識別的時間和空間復雜度,使得識別系統的結果計算接近實時。本文圍繞這一基于信任抽樣的P2P流量識別這一主題展開了深入的研究,主要工作如下:(1)基于一階信任抽樣的P2P流量識別方法的研究。首先介紹了該方法的系統體系架構,并通過結合直線等距抽樣方法和對數信任模型,提出了一階對數信任抽樣策略。然后研究了深度報文識別中的多模式匹配算法,按照提出了的模塊架構和信任抽樣策略編碼實現了一個簡單的基于一階對數信任抽樣的P2P流量識別軟件,用該軟件在實際網絡環(huán)境中監(jiān)測網絡流量、采集數據。最后對該系統識別結果和相關數據進行了分析和總結。(2)基于大數據處理平臺下的深度報文計算和識別的研究。首先將分布式并行計算平臺用于運行P2P流量識別的主要計算任務(即深度報文檢測算法),采用了云管端式的平臺架構,逐個分析了該平臺架構中各個模塊的內部構成和功能。然后提出了一個運行在該大數據處理平臺之上的并行識別和計算的然后算法,并簡要描述了該算法。最后介紹了數據報文消息封裝、并行結果處理及周期劃分等方法。(3)基于二階信任抽樣的P2P流量識別方法的研究。首先介紹了該方法的系統體系架構,并將二階抽樣的相關理論和方法結合貝葉斯信任度計算法提出了基于二階貝葉斯信任抽樣策略。然后介紹提出了蓄水池二階抽樣算法,并分析了該算法的可行性及證明了該算法的正確性。最后通過仿真驗證了該策略,并對仿真結果進行了分析和總結。
【關鍵詞】：對等網絡 流量識別 信任抽樣 多階抽樣
【學位授予單位】：湖北工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP393.02
【目錄】：

• 摘要5-6
• Abstract6-7
• 目錄7-9
• 第1章 緒論9-14
• 1.1 論文的研究背景及意義9-10
• 1.2 P2P流量識別的研究現狀10-12
• 1.3 主要研究內容12-13
• 1.4 論文的章節(jié)安排13-14
• 第2章 體系架構和理論基礎14-29
• 2.1 系統架構14-20
• 2.1.1 系統架構14-15
• 2.1.2 系統部署環(huán)境15-16
• 2.1.3 一階信任抽樣體系架構16-18
• 2.1.4 二階信任抽樣體系架構18-19
• 2.1.5 兩種體系架構的區(qū)別19-20
• 2.2 數據處理體系架構20-24
• 2.2.1 云管端式計算架構20-22
• 2.2.2 并行計算識別22-24
• 2.3 抽樣基礎理論24-28
• 2.3.1 簡單隨機抽樣25
• 2.3.2 直線等距抽樣25-26
• 2.3.3 二階隨機抽樣26-28
• 2.4 本章小結28-29
• 第3章 基于一階信任抽樣的P2P流量識別29-45
• 3.1 直線等距信任抽樣策略29-33
• 3.1.1 直線等距信任抽樣29-30
• 3.1.2 抽樣周期劃分30-31
• 3.1.3 一階信任抽樣算法31-33
• 3.2 深度報文檢測33-38
• 3.2.1 深度報文檢測算法概述33-35
• 3.2.2 P2P協議特征碼35-37
• 3.2.3 算法代碼實現37-38
• 3.3 實驗過程與結果分析38-44
• 3.3.1 實驗過程38-40
• 3.3.2 結果分析40-44
• 3.4 本章小結44-45
• 第4章 基于二階信任抽樣的P2P流量識別45-55
• 4.1 二階隨機信任抽樣45-49
• 4.1.1 二階隨機抽樣信任策略45-47
• 4.1.2 二階蓄水池抽樣算法47-49
• 4.2 仿真與結果分析49-54
• 4.2.1 參數的初始化49-51
• 4.2.2 結果分析51-54
• 4.3 本章小結54-55
• 第5章 總結和展望55-56
• 5.1 研究工作總結55
• 5.2 研究展望55-56
• 參考文獻56-60
• 致謝60-61
• 附錄6

【相似文獻】

中國期刊全文數據庫 前10條

1 吳震;劉興彬;童曉民;;基于信息熵的流量識別方法[J];計算機工程;2009年20期

2 張秀英;王錚;;一種基于流量識別技術的網絡信息審計模型[J];微處理機;2010年01期

3 時鴻濤;蓋凌云;郭忠文;;一種基于小波譜的流量識別方法[J];計算機工程;2012年12期

4 張劍;錢宗玨;壽國礎;胡怡紅;;在線聚類的網絡流量識別[J];北京郵電大學學報;2011年01期

5 畢夏安;張大方;趙姣姣;;一種高效的游戲流量識別與分類技術[J];計算機工程與應用;2011年23期

6 張劍;曹萍;壽國礎;;網絡匯聚點傳輸層拓撲的流量識別[J];計算機應用;2012年07期

7 關卿;秦宏偉;張文超;;基于流親戚關系分組的流量識別算法[J];計算機與網絡;2013年02期

8 王宇科;黎文偉;蘇欣;;基于改進分簇算法的網絡流量識別方法[J];計算機工程與科學;2011年11期

9 禹可;張馨予;狄佳璽;吳曉非;蘇駟希;;互聯網流量識別中的基于標簽傳播的重疊社團發(fā)現算法(英文)[J];中國通信;2012年12期

10 杜瑞穎;楊勇;陳晶;王持恒;;一種基于相似度的高效網絡流量識別方案[J];山東大學學報(理學版);2014年09期

中國重要會議論文全文數據庫 前7條

1 馬永立;壽國礎;胡怡紅;錢宗玨;區(qū)海平;;新型網絡流量識別分析系統及其性能評估[A];第六屆全國信息獲取與處理學術會議論文集（2）[C];2008年

2 張娜娜;;P2P流量識別方法研究[A];江蘇省電子學會2010年學術年會論文集[C];2010年

3 高長喜;辛陽;鈕心忻;楊義先;;基于行為特征分析的P2P流量識別技術的研究[A];第一屆中國高校通信類院系學術研討會論文集[C];2007年

4 許劉兵;;基于人工神經網絡的P2P流量識別模型的研究[A];中國電子學會第十五屆信息論學術年會暨第一屆全國網絡編碼學術年會論文集（上冊）[C];2008年

5 賈波;鄒園萍;;基于無監(jiān)督學習的P2P流量識別[A];浙江省信號處理學會2011學術年會論文集[C];2011年

6 王波;周曉光;蘇志遠;;基于節(jié)點狀態(tài)的P2P流量識別系統[A];中國電子學會第十五屆信息論學術年會暨第一屆全國網絡編碼學術年會論文集（下冊）[C];2008年

7 王波;周曉光;蘇志遠;;基于節(jié)點狀態(tài)的P2P流量識別系統[A];2008通信理論與技術新發(fā)展——第十三屆全國青年通信學術會議論文集（下）[C];2008年

中國博士學位論文全文數據庫 前6條

1 林冠洲;網絡流量識別關鍵技術研究[D];北京郵電大學;2011年

2 田旭;互聯網流量識別技術研究[D];北京郵電大學;2012年

3 彭建芬;P2P流量識別關鍵技術研究[D];北京郵電大學;2011年

4 張劍;寬帶接入網流量識別關鍵技術研究[D];北京郵電大學;2011年

5 李冰;VoIP和P2P IPTV流量的識別與測量研究[D];天津大學;2010年

6 郭振濱;互聯網測量與建模研究[D];北京交通大學;2012年

中國碩士學位論文全文數據庫 前10條

1 練琪;基于聚類分析的應用層流量識別研究[D];湖南大學;2010年

2 朱欣;基于數據流挖掘技術的流量識別[D];蘇州大學;2011年

3 張波;基于流特征的加密流量識別技術研究[D];哈爾濱工業(yè)大學;2012年

4 孫海霞;基于關聯規(guī)則的流量識別方法研究[D];合肥工業(yè)大學;2009年

5 左建勛;網絡流量識別技術研究及其應用[D];重慶大學;2007年

6 馬保雷;基于概念漂移檢測的自適應流量識別研究[D];哈爾濱工業(yè)大學;2013年

7 崔月婷;基于分類算法與聚類算法流量識別系統的研究[D];北京郵電大學;2010年

8 郭明亮;高速網絡中實時流量識別系統的研究與設計[D];北京郵電大學;2010年

9 王程;網絡流量識別分析系統的設計與實現[D];吉林大學;2014年

10 龔超;基于多重識別技術的路由器流量識別系統研究與實現[D];上海交通大學;2011年

  本文關鍵詞：基于信任抽樣的P2P流量識別，，由筆耕文化傳播整理發(fā)布。

本文編號：391286