P2P技術快速發(fā)展的同時，也導致了網絡阻塞、網絡安全性和網絡資源產權保護等問題的產生，因此，通過研究有效的P2P流量識別方法，用以解決上述問題成為重要課題。論文通過對比機器學習的幾種常用分類方法和不同的P2P分類策略；重點研究了基于網絡流特征的P2P流量分類方法，并對影響分類的關鍵網絡流特征進行了深入分析；通過引入基于支持向量機技術，給出了P2P網絡流量多分類模型，借助LIBSVM工具對分類模型進行了仿真，論文主要工作如下：（1）研究了關于有監(jiān)督、半監(jiān)督和無監(jiān)督機器學習原理及其代表性算法，對比分析目前存在的基于端口、會話、深層數據包檢測和流量行為的P2P流量分類策略。引入了基于P2P網絡流量特征分類的思想，給出了基于網絡流特征的檢測流程，突出了網絡流定義及生成流程，涉及在線數據包捕獲，并對影響分類的關鍵特征進行了說明和舉例分析。（2）結合支持向量機學習方法闡明其原理，著重討論了SVM核函數和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，相應給出了模型使用的算法，重點強調了通過網格搜索法和k-折交叉驗證法獲取算法所使用的懲罰因子及核函數因子參數值。... 

【文章頁數】：81 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 網絡流量分類的研究背景及意義
    1.2 國內外研究現狀
        1.2.1 P2P 網絡介紹
        1.2.2 國內外的一些 P2P 流量識別方法
    1.3 本文工作
    1.4 論文結構
第二章 P2P 網絡流量分類方法
    2.1 關于機器學習的 P2P 流量分類方法
        2.1.1 貝葉斯網絡算法
        2.1.2 K-means 聚類算法
        2.1.3 自訓練分類算法
    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 基于深層數據包檢測的 P2P 流量分類策略
        2.2.3 基于會話的 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 基于網絡流量特征的 P2P 流量分類策略
    2.3 小結
第三章 基于網絡流特征的 P2P 網絡流量分類方法
    3.1 P2P 網絡流特征檢測流程
    3.2 P2P 網絡流特征分析
        3.2.1 捕獲網絡流量
        3.2.2 網絡流特征選取
        3.2.3 常見 P2P 網絡流特征分析
    3.3 小結
第四章 基于支持向量機的 P2P 網絡流量分類模型
    4.1 支持向量機
        4.1.1 支持向量機原理
        4.1.2 支持向量機關鍵技術
    4.2 基于 SVM 的 P2P 分類模型
    4.3 P2P 網絡流量多分類
        4.3.1 網絡流特征的選擇
        4.3.2 SVM 流量多分類
    4.4 小結
第五章 基于支持向量機模型仿真
    5.1 LIBSVM 概述
    5.2 仿真流程
        5.2.1 實驗環(huán)境
        5.2.2 實驗數據
        5.2.3 總體設計
        5.2.4 關鍵技術和關鍵模塊說明
        5.2.5 仿真場景
    5.3 仿真結果分析
    5.4 小結
第六章 結束語
    6.1 工作總結
    6.2 展望
致謝
參考文獻



本文編號：3663166