基于行为统计特性的P2P流量检测技术的研究

来源 :北京邮电大学 | 被引量 : 0次 | 上传用户:liongliong579
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目前的互联网流量中充斥着各种数据,其中一大部分是近十年兴起并迅速发展的对等网络(Peer-to-Peer)应用。因此对于P2P业务的流量控制和管理在网络管理中显得尤为重要。P2P流量的检测经历了基于端口的检测,基于数据包内容的检测和基于统计特性的检测的发展历程。其中很多检测方法的研究停留在理论阶段,而且部分技术存在着缺陷。本文对不同应用类型的P2P业务所具有的特征进行了研究,并深入分析了基于节点连接和包离散性的流量行为特征及主体网络流量的行为特征,以此构建检测模型。论文的研究内容:(1)本文分析了目前的部分有关P2P流量检测的方法。将P2P业务按应用类型分为五个小类,两个大类。第一大类利用端口检测方法对其进行匹配识别;文件共享类和流传输类P2P应用为第二大类,通过分析包离散性的强弱进行识别。(2)本文提出了一个根据数据包的Sequence number和数据包的到达顺序建立的模型参数,据此判断包离散性,区分P2P业务流为文件共享类还是流传输类。(3)本文分析了恶意的DOS攻击和扫描行为等非正常的网络流量在行为上与文件共享类和流媒体传输类P2P业务具有某些相似性。本文深入分析节点的分布特征、连接状态的变化并结合端口的连接规律及传输数据包的长度等行为特征,提出了一个用于区分网络中的恶意攻击扫描行为和文件共享类、流传输类P2P业务的多维参数。并提出了一个基于行为统计特性的P2P流量检测模型。该方法模型可以有效的管理检测P2P业务流量,优化网络带宽,并可以避免类似Dos攻击和恶意扫描等安全问题。
其他文献
Alopex算法(Algorithm of Pattern Extraction)首先由医学领域的学者提出,最初是用来进行视觉感受野的研究。后来人们发现,Alopex算法也可用于工程优化并且有较好的效果。Alo
工业生产过程是一个复杂的过程,存在着多工况、非线性、高噪声等特点。在对其生产过程中的难测变量软测量建模时,如果采用单模型一般难以描述整个工况特性,并对噪声的处理能
近年来,嵌入式系统的使用越来越广泛,在控制领域也是如此。μC/OS-Ⅱ是一个著名的开源嵌入式操作系统,但是缺乏对网络功能的支持。LwIP是一个开源TCP/IP协议栈,其实现的重点
随着网络通信技术和多媒体技术的发展和信息需求的不断增长,多媒体信息已经成为各类信息系统的主要数据来源形式。其中,视频在网络多媒体元素中的地位与日俱增,如何快速准确
面对不断推陈出新的隐写技术以及互联网上不断涌现的数以亿计的多媒体文件,隐写分析技术需要从两个方面着手应对。第一,推出具有良好泛化能力的通用隐写分析算法,以应对从未
信息可视化(InfoVis)是文本数据挖掘的一项重要研究方向,也是人们从单一的信息数据中获取有用知识的一种重要途径。而数据挖掘正是从大量数据中提取潜在的,对使用者有价值意
随着计算机技术、通信技术的快速发展,且日趋紧密地互相结合,作为数据处理的新兴技术——数据融合技术,在近10年中得到惊人发展,该技术已应用于诸多军事领域及民事领域。数据