P2P流量识别方法研究2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

P2P流量识别方法研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 P2P形成背景及概念1

1.1.1 P2P产生背景1

1.1.2 P2P概念2

1.2 网络拓扑结构3

1.2.1 网络拓扑结构概念3

1.2.2 传统网络拓扑结构4

1.2.3 P2P网络拓扑结构6

1.2.4 结构化与非结构化模型的区别9

1.3 P2P业务9

1.3.1 P2P业务特征9

1.3.2 P2P的主要应用领域10

1.4 P2P流量识别13

1.4.1 P2P技术应用困境13

1.4.2 P2P流量识别研究意义15

1.4.3 P2P流量识别研究现状15

1.5 本书的研究内容19

本章参考文献20

第2章 基于滑动窗口机制的P2P流量识别模型（SW-P2PIM）24

2.1 基于滑动窗口机制的P2P流量识别方法的基本原理24

2.1.1 滑动窗口机制24

2.1.2 滑动窗口机制在P2P流量识别模型中的定义25

2.2 基于滑动窗口机制的特性量化26

2.2.1 滑动窗口机制在流量特性量化中的应用26

2.2.2 P2 P流量连续性量化27

2.2.3 P2P流量多连接性量化28

2.2.4 P2P流量协议混合特性量化30

2.2.5 P2P流量端口离散性量化31

2.2.6 输入／输出均衡性量化32

2.3 一次P2P流量识别策略34

2.4 基于滑动窗口机制的二次P2P流量识别策略35

2.5 基于滑动窗口机制的P2P流量识别与控制仿真系统36

2.5.1 系统概述36

2.5.2 系统各模块结构37

2.6 SW-P2PIM系统功能测试42

2.6.1 P2P软件流量分析42

2.6.2 传统C/S软件流量分析45

2.6.3 未知类型P2P软件流量分析49

2.7 本章小结51

本章参考文献51

第3章 基于通信网络拓扑结构的P2P流量识别模型（P2P-CNTIM）53

3.1 基于通信网络拓扑结构的P2P流量识别模型（P2P-CNTIM）概述53

3.1.1 P2P通信网络拓扑特征分析53

3.1.2 P2P流量识别确定性特征选择55

3.1.3 获取通信对端类型关键技术58

3.2 P2P-CNTIM流量识别模型中的关键技术63

3.2.1 P2P-CNTIM特征判断函数63

3.2.2 P2P-CNTIM调度机制64

3.2.3 P2P-CNTIM核心过程65

3.3 P2P-CNTIM系统的设计68

3.3.1 P2P-CNTIM系统的功能68

3.3.2 P2P-CNTIM系统结构69

3.4 P2P-CNTIM系统的实现71

3.4.1 数据包提取分析模块71

3.4.2 P2P流量识别模块75

3.4.3 P2P应用识别模块79

3.4.4 P2P控制管理模块82

3.5 P2P-CNTIM系统测试85

3.5.1 测试环境85

3.5.2 误判率测试分析85

3.5.3 准确率测试分析88

3.5.4 识别效率分析90

3.6 本章小结92

本章参考文献92

第4章 基于BP算法的P2P流量识别模型95

4.1 BP神经网络的基本概念95

4.1.1 BP神经网络简介95

4.1.2 BP算法介绍96

4.1.3 BP算法实现步骤97

4.2 BP算法的缺陷与改进98

4.2.1 传统BP算法的缺陷98

4.2.2 BP算法的改进98

4.3.3 改进BP算法的性能对比实验105

4.3 基于BP算法的P2P流量识别系统（IBPNN-P2PIM）的模型设计与实现109

4.3.1 IBPNN-P2PM模型的提出109

4.3.2 数据采集模块112

4.3.3 流量特征抽取模块113

4.3.4 流分类器模块119

4.4 IBPNN-P2PIM系统测试与结果分析123

4.4.1 样本数据获取123

4.4.2 流分类器网络训练125

4.4.3 流分类器网络测试129

4.4.4 在线识别测试133

4.5 本章小结134

本章参考文献135

第5章 基于多重特征分类的P2P流量识别算法（MCC-P2PIM）136

5.1 多重特征提取分类方法的设计思想136

5.1.1 P2P连接特征分析136

5.1.2 P2P深层数据包特征分析140

5.1.3 P2P流量统计特征分析144

5.2 MCC-P2PIM系统的设计模型149

5.2.1 数据采集模块的设计149

5.2.2 数据预处理模块的设计150

5.2.3 多重特征提取模块的设计152

5.2.4 多重特征识别模块的设计155

5.3 MCC-P2PIS系统设计与实现161

5.3.1 MCC-P2PIM系统概述161

5.3.2 MCC-P2PIS系统模块设计与实现163

5.4 MCC-P2PIS系统测试与结果分析171

5.4.1 计算数据包长抖动频次的准确性测试172

5.4.2 BP网络训练测试173

5.4.3 多重特征流量识别的准确性和高效性测试174

5.5 本章小结177

本章参考文献178

第6章 基于SVM的P2P流量识别方法的设计与实现180

6.1 SVM原理180

6.1.1 统计学习理论180

6.1.2 SVM思想181

6.1.3 SVM核函数184

6.1.4 与 SVM相关的技术研究185

6.2 基于改进SVM的P2P流量检测模型188

6.2.1 针对大规模训练集的支持向量机学习策略188

6.2.2 基于改进SVM的P2P流量检测系统模型设计思路189

6.2.3 P2P流量特征分析190

6.2.4 基于SVM的P2P流量样本剪裁方法193

6.2.5 基于改进SVM的P2P流量识别系统模块设计196

6.2.6 基于SVM的P2P流量识别系统的配置209

6.2.7 基于SVM的P2P流量识别系统的测试与性能分析210

6.3 基于SVM与DPI的P2P流量识别方法215

6.3.1 研究背景215

6.3.2 主要思想216

6.3.3 基本方案216

6.3.4 系统实现219

6.3.5 系统测试与分析232

6.4 基于MSVM的P2P流量识别模型236

6.4.1 研究背景236

6.4.2 主要思想237

6.4.3 基本方案237

6.5 本章小结241

本章参考文献242

第7章 基于流特性描述的模糊识别算法244

7.1 背景介绍244

7.2 模糊集合245

7.2.1 模糊集合的概念245

7.2.2 隶属函数的确定与选择245

7.2.3 模糊集合的截集与模糊性的度量247

7.3 模糊综合评价法249

7.3.1 模糊综合评价法的术语及其定义249

7.3.2 模糊综合评价法的特点250

7.3.3 模糊综合评价法的应用程序250

7.4 模糊评判规则253

7.4.1 数据包集合的描述253

7.4.2 隶属度函数的定义255

7.5 基于流特征描述的模糊识别方法（FCD）256

7.6 FCD模糊识别方法在识别网络游戏中的应用和分析257

7.6.1 用FCD模式识别方法识别“魔兽世界”257

7.6.2 隶属度函数分析260

7.6.3 结果分析261

7.7 FCD模糊识别方法在识别其他P2P中的应用262

7.7.1 Skype特性262

7.7.2 Skype的检测流程263

7.7.3 FCD模糊识别Skype的过程264

7.8 本章小结266

本章参考文献266