發(fā)布時間：2017-09-07 02:35

  本文關鍵詞：基于DFI的HTTP流關聯(lián)方法的研究與實現(xiàn)

  更多相關文章： HTTP 流關聯(lián) Deep Flow Inspection(DFI) Content Delivery Network(CDN)

【摘要】：HTTP流關聯(lián)是指從網(wǎng)頁瀏覽產生的HTTP流量中識別出包含訪問頁面URL的HTTP請求,將它所在的TCP流定義為主流,并將用于訪問網(wǎng)頁內嵌對象的HTTP請求所在的輔流關聯(lián)到該主流上。HTTP流關聯(lián)可應用于后向收費、網(wǎng)絡故障定位、Web流量分析等領域。傳統(tǒng)HTTP流關聯(lián)算法有其固有的缺點,如基于IP與Think times的HTTP流關聯(lián)算法無法應用于采用CDN加速技術所產生的HTTP流量：基于Referer與Think times的HTTP流關聯(lián)算法則需要對HTTP請求內容進行解析,且無法處理加密流量：主動HTTP流關聯(lián)算法則依賴于瀏覽器插件,只能作為一種輔助方法。本文提出基于DFI的HTTP流關聯(lián)算法是一種基于流量行為的應用識別技術,無需解析報文應用層內容,通過TCP層以下的信息便能實現(xiàn)HTTP流關聯(lián)，算法效率高且將來可以移植到HTTPS流量上。本文研究了互聯(lián)網(wǎng)廣告流量以及CDN加速技術對HTTP流量的影響,提出基于HTTP請求的流關聯(lián)算法,通過該算法研究HTTP流量的特征,在此基礎上提出基于DFI的HTTP流關聯(lián)算法。本文的主要工作有：1)針對傳統(tǒng)基于DFI的HTTP流關聯(lián)算法無法處理采用CDN加速服務的HTTP流量以及互聯(lián)網(wǎng)廣告流量對HTTP流關聯(lián)中主流識別部分的影響,本文研究CDN加速技術以及互聯(lián)網(wǎng)廣告流量對HTTP流關聯(lián)的影響后提出相應的解決方案,并取得了較好的關聯(lián)結果：2)針對手動采集和標記HTTP流量效率低下問題,提出了一種基于Selenium可自動模擬用戶操作瀏覽器行為的方法，并實現(xiàn)了批量訪問URL并收集相應HTTP流量的系統(tǒng)；3)為研究HTTP流量的特征,根據(jù)HTTP協(xié)議的特點提出了基于HTTP請求的流關聯(lián)算法,并通過該算法實現(xiàn)對HTTP流的關聯(lián)；4)在上述工作的基礎上提出了基于DFI的HTTP流關聯(lián)算法,并通過與基于HTTP請求的流關聯(lián)算法計算結果對比,驗證DFI關聯(lián)算法的正確性。實驗結果表明,本文提出基于DFI的ITTP流關聯(lián)算法可以很好地解決HTTP流關聯(lián)問題。
【關鍵詞】：HTTP 流關聯(lián) Deep Flow Inspection(DFI) Content Delivery Network(CDN)
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP393.092
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-16
• 1.1 研究背景與意義8-10
• 1.1.1 研究背景8-9
• 1.1.2 研究意義9-10
• 1.2 研究現(xiàn)狀10-13
• 1.2.1 DFI技術10-11
• 1.2.2 HTTP流關聯(lián)11-13
• 1.3 研究目標與內容13-14
• 1.3.1 研究目標14
• 1.3.2 研究內容14
• 1.4 論文組織結構14-16
• 第二章 關鍵問題研究16-26
• 2.1 互聯(lián)網(wǎng)廣告流量研究16-19
• 2.1.1 RTB廣告介紹17-18
• 2.1.2 廣告對HTTP流關聯(lián)算法影響分析18
• 2.1.3 解決方案18-19
• 2.2 CDN加速機制19-24
• 2.2.1 基于DNS重定向實現(xiàn)20-21
• 2.2.2 基于HTTP重定向實現(xiàn)21-22
• 2.2.3 CDN對HTTP流關聯(lián)算法影響分析22-23
• 2.2.4 解決方案23-24
• 2.3 本章小結24-26
• 第三章 基于HTTP請求的流關聯(lián)算法研究26-40
• 3.1 算法思想26
• 3.2 預備工作26-29
• 3.2.1 流量采集方法26-28
• 3.2.2 HTTP協(xié)議28-29
• 3.3 基于HTTP請求的流關聯(lián)算法設計29-33
• 3.3.1 算法原理29-32
• 3.3.2 異常處理32-33
• 3.4 基于HTTP請求的流關聯(lián)算法實現(xiàn)33-39
• 3.5 本章小結39-40
• 第四章 基于DFI的HTTP流關聯(lián)算法研究40-50
• 4.1 相關工作40-43
• 4.1.1 HTTP/1.1協(xié)議40-41
• 4.1.2 HTTP流特征研究41-43
• 4.2 主流識別規(guī)則43-47
• 4.2.1 基于多事務場景的主流識別44-46
• 4.2.2 基于單事務場景的主流識別46-47
• 4.2.3 特殊場景處理47
• 4.3 輔流關聯(lián)算法47-48
• 4.4 本章小結48-50
• 第五章 算法實現(xiàn)與實驗分析50-59
• 5.1 基于DFI的HTTP流關聯(lián)算法實現(xiàn)50-54
• 5.1.1 數(shù)據(jù)預處理50-51
• 5.1.2 關聯(lián)算法實現(xiàn)51-54
• 5.2 評價指標與數(shù)據(jù)集54
• 5.2.1 評價指標54
• 5.2.2 實驗數(shù)據(jù)集54
• 5.3 實驗結果分析54-58
• 5.3.1 黑名單過濾有效性評估55-56
• 5.3.2 算法正確性評估56-58
• 5.4 本章小結58-59
• 第六章 總結與展望59-61
• 6.1 總結59
• 6.2 展望59-61
• 致謝61-62
• 參考文獻62-64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 高洪波;;灰色關聯(lián)算法在物聯(lián)網(wǎng)安全狀態(tài)評估中的應用[J];制造業(yè)自動化;2012年22期

2 關欣;孫祥威;何友;;基于灰關聯(lián)度和距離的特征關聯(lián)算法研究[J];雷達科學與技術;2013年04期

3 劉慶生;周薇;潘江懷;;一種雙平臺紅外傳感器目標關聯(lián)算法[J];艦船電子工程;2009年09期

4 李s，

本文編號：806918