P2P流量识别方法研究电子书

内容简介

前言

第1章 绪论

1.1 P2P形成背景及概念

1.1.1 P2P产生背景

1.1.2 P2P概念

1.2 网络拓扑结构

1.2.1 网络拓扑结构概念

1.2.2 传统网络拓扑结构

1.2.3 P2P网络拓扑结构

1.2.4 结构化与非结构化模型的区别

1.3 P2P业务

1.3.1 P2P业务特征

1.3.2 P2P的主要应用领域

1.4 P2P流量识别

1.4.1 P2P技术应用困境

1.4.2 P2P流量识别研究意义

1.4.3 P2P流量识别研究现状

1.5 本书的研究内容

本章参考文献

第2章 基于滑动窗口机制的P2P流量识别模型（SW-P2PIM）

2.1 基于滑动窗口机制的P2P流量识别方法的基本原理

2.1.1 滑动窗口机制

2.1.2 滑动窗口机制在P2P流量识别模型中的定义

2.2 基于滑动窗口机制的特性量化

2.2.1 滑动窗口机制在流量特性量化中的应用

2.2.2 P2P流量连续性量化

2.2.3 P2P流量多连接性量化

2.2.4 P2P流量协议混合特性量化

2.2.5 P2P流量端口离散性量化

2.2.6 输入／输出均衡性量化

2.3 一次P2P流量识别策略

2.4 基于滑动窗口机制的二次P2P流量识别策略

2.5 基于滑动窗口机制的P2P流量识别与控制仿真系统

2.5.1 系统概述

2.5.2 系统各模块结构

2.6 SW-P2PIM系统功能测试

2.6.1 P2P软件流量分析

2.6.2 传统C/S软件流量分析

2.6.3 未知类型P2P软件流量分析

2.7 本章小结

本章参考文献

第3章 基于通信网络拓扑结构的P2P流量识别模型（P2P-CNTIM）

3.1 基于通信网络拓扑结构的P2P流量识别模型（P2P-CNTIM）概述

3.1.1 P2P通信网络拓扑特征分析

3.1.2 P2P流量识别确定性特征选择

3.1.3 获取通信对端类型关键技术

3.2 P2P-CNTIM流量识别模型中的关键技术

3.2.1 P2P-CNTIM特征判断函数

3.2.2 P2P-CNTIM调度机制

3.2.3 P2P-CNTIM核心过程

3.3 P2P-CNTIM系统的设计

3.3.1 P2P-CNTIM系统的功能

3.3.2 P2P-CNTIM系统结构

3.4 P2P-CNTIM系统的实现

3.4.1 数据包提取分析模块

3.4.2 P2P流量识别模块

3.4.3 P2P应用识别模块

3.4.4 P2P控制管理模块

3.5 P2P-CNTIM系统测试

3.5.1 测试环境

3.5.2 误判率测试分析

3.5.3 准确率测试分析

3.5.4 识别效率分析

3.6 本章小结

本章参考文献

第4章 基于BP算法的P2P流量识别模型

4.1 BP神经网络的基本概念

4.1.1 BP神经网络简介

4.1.2 BP算法介绍

4.1.3 BP算法实现步骤

4.2 BP算法的缺陷与改进

4.2.1 传统BP算法的缺陷

4.2.2 BP算法的改进

4.2.3 改进BP算法的性能对比实验

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

4.3.1 IBPNN-P2PM模型的提出

4.3.2 数据采集模块

4.3.3 流量特征抽取模块

4.3.4 流分类器模块

4.4 IBPNN-P2PIM系统测试与结果分析

4.4.1 样本数据获取

4.4.2 流分类器网络训练

4.4.3 流分类器网络测试

4.4.4 在线识别测试

4.5 本章小结

本章参考文献

第5章 基于多重特征分类的P2P流量识别算法（MCC-P2PIM）

5.1 多重特征提取分类方法的设计思想

5.1.1 P2P连接特征分析

5.1.2 P2P深层数据包特征分析

5.1.3 P2P流量统计特征分析

5.2 MCC-P2PIM系统的设计模型

5.2.1 数据采集模块的设计

5.2.2 数据预处理模块的设计

5.2.3 多重特征提取模块的设计

5.2.4 多重特征识别模块的设计

5.3 MCC-P2PIS系统设计与实现

5.3.1 MCC-P2PIM系统概述

5.3.2 MCC-P2PIS系统模块设计与实现

5.4 MCC-P2PIS系统测试与结果分析

5.4.1 计算数据包长抖动频次的准确性测试

5.4.2 BP网络训练测试

5.4.3 多重特征流量识别的准确性和高效性测试

5.5 本章小结

本章参考文献

第6章 基于SVM的P2P流量识别方法的设计与实现

6.1 SVM原理

6.1.1 统计学习理论

6.1.2 SVM思想

6.1.3 SVM核函数

6.1.4 与SVM相关的技术研究

6.2 基于改进SVM的P2P流量检测模型

6.2.1 针对大规模训练集的支持向量机学习策略

6.2.2 基于改进SVM的P2P流量检测系统模型设计思路

6.2.3 P2P流量特征分析

6.2.4 基于SVM的P2P流量样本剪裁方法

6.2.5 基于改进SVM的P2P流量识别系统模块设计

6.2.6 基于SVM的P2P流量识别系统的配置

6.2.7 基于SVM的P2P流量识别系统的测试与性能分析

6.3 基于SVM与DPI的P2P流量识别方法

6.3.1 研究背景

6.3.2 主要思想

6.3.3 基本方案

6.3.4 系统实现

6.3.5 系统测试与分析

6.4 基于MSVM的P2P流量识别模型

6.4.1 研究背景

6.4.2 主要思想

6.4.3 基本方案

6.5 本章小结

本章参考文献

第7章 基于流特性描述的模糊识别算法

7.1 背景介绍

7.2 模糊集合

7.2.1 模糊集合的概念

7.2.2 隶属函数的确定与选择

7.2.3 模糊集合的截集与模糊性的度量

7.3 模糊综合评价法

7.3.1 模糊综合评价法的术语及其定义

7.3.2 模糊综合评价法的特点

7.3.3 模糊综合评价法的应用程序

7.4 模糊评判规则

7.4.1 数据包集合的描述

7.4.2 隶属度函数的定义

7.5 基于流特征描述的模糊识别方法（FCD）

7.6 FCD模糊识别方法在识别网络游戏中的应用和分析

7.6.1 用FCD模式识别方法识别“魔兽世界”

7.6.2 隶属度函数分析

7.6.3 结果分析

7.7 FCD模糊识别方法在识别其他P2P中的应用

7.7.1 Skype特性

7.7.2 Skype的检测流程

7.7.3 FCD模糊识别Skype的过程

7.8 本章小结

本章参考文献