P2P应用多层次识别方法研究

根据TCP连接的状态转换过程特点建立了一个P2P应用的多层次识别模型,给出了三层识别方法的具体实现.当连接建立时,采用启发式识别方法,迅速将所有流量划分为疑似P2P流量和非P2P流量,过滤非P2P流量;在数据传输的开始阶段,采用基于应用载荷深度识别的方法识别大多数非加密P2P流量;在数据传输了一段时间后,采用模糊识别的方法,识别运用了加密技术的P2P流量.最后,根据流量识别的结果分析出局域网内每台主机上正在运行的P2P应用.测试结果表明:对未加密的文件共享类应用流量识别率在91%以上,L7-filter的流量识别率为70%左右,本系统对加密的文件共享类应用和流媒体类应用的流量识别率在83%左右,而L7-filter的流量识别率在40%以下.     

P2P流量控制方法的研究及实现

研究了流量控制技术,分析了令牌桶算法和RED算法的优缺点;给出了一种P2P流量控制算法,并且提出一种数据包调度策略和带宽配置策略,为用户合理分配了网络带宽资源,缓解了资源紧张现状,实现网络资源的按需分配;最后给出了实验测试结果。     

P2P流量识别技术分析

为了满足用户之间信息的共享和直接交流的需要,对等网络（peer-to-peer,P2P）技术成为计算机网络技术研究领域的一个新热点。P2P的飞速发展一方面丰富了网络中的应用形式,但另一方面也带来了许多负面的问题。P2P应用大量占用网络带宽,极大地影响了网络性能。因此实现分类、标识和控制P2P流量越来越成为企业、网络运营商急需解决的问题。本文首先介绍了P2P技术的应用现状、P2P流量的特性以及当前国内外对P2P流量识别的研究现状,然后分析了几种典型的P2P流量识别技术,并对该技术的发展趋势做了初步探讨。     

P2P流量的识别技术

结合现阶段P2P网络应用中出现的问题，对P2P的技术原理、应用现状、存在的问题作了介绍和研究。并提出了解决P2P流量问题的一个方案。最后展望了P2P技术的进一步的发展前景。     

P2P流量识别技术浅谈

本文主要描述P2P流量识别,包括基于传输层双重特征的P2P流量识别方法,以及利用传输层流量特征和决策树模型对互联网中P2P流量进行分类的方法。     

校园网中P2P流量控制方法研究

P2P技术采用"无集中服务器"工作模式,能充分利用客户端资源而优化文件传输的能力,但同时也导致网络带宽资源的极大消耗。本文将在分析各类流量控制方法利弊的基础上,以某高校为例,讨论在校园网中进行P2P流量控制的方法与步骤。     

校园网中P2P流量监控和管理策略研究

在校园网中,大量的P2P等非关键业务吞噬着有限的带宽资源,使得关键性应用得不到保障.本文提出了在校园网中利用P2P监控技术可以改进校园内部网络流量问题.通过部署监控系统,有效监控了校园网中P2P应用数据流量.     

基于基础特征的P2P流量识别技术研究

首先分析了常见的P2P流量识别方法;提出了一种基于大网络直径、主机既充当客户端又充当服务器这两个P2P协议基础特征来识别P2P流量的新方法;设计并实现了用来进行P2P流量识别的识别器。     

基于传输层标志位的P2P流量识别技术

P2P(peer-to-peer)应用程序的使用愈来愈广泛,这些应用产生的网络流量可以占到网络总流量的50%以上,从而对其他的网络应用产生较大的影响。本文通过对FTP、HTTP和BitTorrent数据流的分析研究,提出了一种利用标志位进行P2P流量识别的方法。     

一种新的P2P流量实时检测算法

分析了P2P连接的特征,提出了识别1P2P连接的两个公式组,并结合DPI给出了P2P应用的检测算法。试验表明,利用此检测算法设计实现的P2P检测系统,能够实时准确地识别各种P2P应用。     

IP骨干网络流量控制系统分析及方案部署

从运营商对IP骨干网链路进行流量控制的需求出发,对深度包检测DPI和深度/动态流检测DFI两类主流IP骨干网流量控制系统解决方案从技术原理、部署方式、方案成本等方面进行了比较,并提出了不同解决方案的阶段性部署建议,为骨干运营商结合自身实际需求选择合适的流量控制技术提供了参考。     

基于跨层特征的P2P流量识别技术

P2P技术飞速发展,应用形式不断多元化,很大程度上满足了人们信息共享和直接交流的需要;但是同时也对其他网络应用产生了很大的影响.因此,对高效可靠的P2P流量识别技术的研究刻不容缓.分析常见P2P流量识别技术的基础上提出一种基于跨层特征的P2P流量识别技术:试验结果表明该技术的可行性和可靠性.     

基于神经网络集成的P2P流量识别研究

提出一种新的基于神经网络集成的P2P流量识别方法,利用CFS特征选择算法提取P2P流量特征,使用动态加权集成方法将6个神经网络集成应用于P2P流量识别.通过在实际网络流数据集上与单一BP神经网络、决策树、朴素贝叶斯和支持向量机算法的对比实验,结果表明该方法具有较高的P2P流量识别准确率和稳定性.     

基于集成学习的P2P流量识别模型

将DTNB、OneR和BP神经网络算法集成用于P2P流量识别,构建了基于该集成学习算法的P2P流量识别模型。利用网络流量特征和机器学习中生成规则的集成分类算法将网络流量分为P2P流量和非P2P流量。所建立的P2P流量识别模型分为网络流量特征的获取、P2P流量特征选取以及建立流量分类模型三个步骤。采用十折交叉验证与测试集相结合的方法CTFCVWTS(combining T-fold cross validation with testing set)评估模型的合理性和提出方法的有效性。实验得出流量分类准确率平均为97.27%。结果表明,该模型具有较高的P2P流量识别准确率。     

采用两阶段策略模型(KTSVM)的P2P流量识别方法

针对识别加密P2P网络流量比较困难的问题,提出一种基于K均值和直推式支持向量机(TSVM)的半监督学习模型———两阶段策略模型(KTSVM,k-means based transductive supportvector machine),以提高P2P流量的识别精度.该模型首先使用K均值半监督聚类算法计算训练集中正例样本的数目,然后根据正例样本的数目来训练TSVM分类模型,提高了TSVM模型的稳定性和准确性.该模型的优势是可以使用未标注样本和标注样本共同训练分类模型,非常适合于识别标注比较困难的P2P流量.实验结果表明,在标注样本较少的情况下,该模型的识别精度和稳定性均优于TSVM模型和SVM模型.     

P2P流量监控技术的研究及现网试验

P2P (Peer-to-Peer) 已经成为网络带宽的主要消耗应用,对P2P应用的识别以及P2P流量的监控是电信运营商关注的重点之一。从理论上对P2P应用的流量采集、流量分析、流量控制技术和方法进行了研究。通过在城域网现网中,利用具有流量监测分析和控制能力的硬件平台,对P2P流量的感知和控制进行实验,验证了通过流量监控设备对P2P流量的分析和管理是有效的。     

基于神经网络的多功能雷达行为辨识方法

针对多功能雷达行为状态复杂多变、难以识别的问题,构建了多功能雷达行为数据集,提出了一种基于神经网络的雷达行为辨识方法。首先对数据进行预处理,提取多功能雷达的参数特征与行为状态特征,并建立两者间的映射关系。然后通过基于贝叶斯准则的变化点检测算法对原始雷达信号脉冲序列进行分割,补齐有缺失的特征参数,构造完整的可用于训练的脉冲数组样本。最后通过数据推理丰富数据库,为数据驱动的智能识别方法提供可靠的数据准备,增强神经网络的泛化能力。针对处理后的雷达行为数据集的特点,设计BP神经网络进行训练与测试。仿真实验结果表明:训练完成的网络模型在识别过程中一定程度上克服了噪声变量等干扰的影响,正确率可以达到89%。     

BT小包流量识别技术研究

由于网络中BT流量给带宽资源带来的沉重负担,识别BT流并对其进行控制显得尤为重要。通过分析BT协议和比较BT、迅雷等实际传输数据,找出BT传输中的流量特征来识别BT流。通过实验得出数据传输中信息包有效载荷大小5个字节的数据包是BT流的流量特征,并验证该技术对BT流的识别具有一定的价值。     

基于JXTA技术的P2P覆盖网络层的研究

对JXTA进行主模块的实验后引入了P2P网络层。首先阐述P2P覆盖网络层的主要功能,再重点分析释放机制,通过引入JXTA发现策略,确定感应功能的方法和方式,并介绍JXTA感知发现过程,最后在此基础上实现对对等通知生命周期的管理。本文通过P2P应用层来实现对JXTA的开发,利用传感器的功能来实现功能的释放和达标,最后根据传感器功能和角色的划分解决问题。     

校园网络流量监控的实现

MRTG（Multi Router Traffic Grapher）是一个监控网络流量负载的工具软件,它可以从所有运行SNMP（Simple Network Management Protoco,简单网络管理协议）协议的服务器、路由器、交换机等设备上抓取到信息,自动生成包含PNG格式的图形,并以HTML文档方式显示给用户.