P2P流量识别关键技术研究

论文摘要

网络流量识别是管理大型网络的一个重要任务,同时也是合法截留方法的主要组成部分。随着网络技术的快速发展与广泛应用,许多新的P2P应用层出不穷。P2P应用技术资源利用率高、信息存储的非中心化等特点使得P2P技术在文件共享、分布式计算、协作系统和电子商务中应用广泛。随着P2P应用的不断增多,P2P流量所占网络流量的比重越来越大,国内P2P流量占总流量的70%以上,准确地识别网络中P2P应用的流量对网络规划设计、QoS保证等都有十分重要的作用。另一方面,P2P应用的网络软件设计缺陷使得攻击者易于发起庞大的拒绝服务攻击,从而使得互联网网站轻易地崩溃。P2P网络分散式的存储结构、方便的共享原理和快速的选路机制,有利于木马、病毒等破坏性程序的传播。为了保证网络的正常运行,需要对P2P流量进行快速、准确地识别。目前P2P技术采用动态端口技术和载荷加密技术逃避基于端口和基于应用载荷签名的P2P流量识别算法的检测。当今普遍研究的流量识别算法是基于行为特征的流量识别算法和基于机器学习的流量识别算法。本文提出的P2P流量早期快速识别算法和改进的启发式P2P流量识别算法术分别属于基于机器学习的P2P流量识别算法和基于行为的P2P流量识别算法。P2P流量早期快速识别算法利用监督的机器学习算法对流初期几个包提取的特征进行分类,识别正确率高,适合于对P2P流及具体的P2P应用的早期识别。改进的快速启发式P2P流量识别算法利用P2P流与非P2P流之间在传输层表现出的不同,能快速地识别出P2P流以及P2P部分具体流行的应用。最后本文研究了P2P应用主机TCP流的连接特性和自相似性。本文的主要研究工作包括以下几个方面：（1）为了对P2P的TCP数据流进行及时、快速并准确地识别,起到对P2P流量预警和控制的作用,本文提出了一种基于SVM的TCP流量早期识别算法。该算法根据不同应用流的包到达的实际情况,利用TCP流初期的三个数据包的载荷大小和服务器端口作为流量特征,利用支持向量机的高斯径向基核函数进行一对一多类分类。实验结果比较和分析表明：根据提取的特征,采用无偏训练样本,选择合适的参数能快速而有效地识别WEB、MAIL、P2P中的BitTorrent和eMule流量,这种早期流量识别算法的特征值的得到无需等待流的结束,特征提取简单。由于提取的特征不涉及到协议签名,因此早期流量识别算法对加密流量或伪装特性的业务流量识别同样适用；（2）为了减少建模的时间和提高分类的正确率,在基于SVM的TCP流量早期识别算法的基础上,提出了基于C4.5决策树的P2P流量早期快速识别算法。分类结果比较和分析表明：相对于其它两种分类算法,C4.5决策树进行分类时识别正确率高,分类速度快。因此这种早期快速识别算法利用TCP流初期的三个数据包的载荷大小和服务器端口作为特征能快速有效地识别出WEB、MAIL、P2P中的BitTorrent和eMule流量；（3）为了提高Karagiannis等人提出的P2P流启发式算法的识别正确率,利用端口4662、有效数据流的计数原理、BitTorrent对等协议握手消息数据包的载荷大小固定特点以及Skype流的包载荷特点对其进行改进,提出了一种改进的快速P2P流量启发式识别算法。实验结果比较和分析表明：在识别P2P流和Non-P2P流时,选择合适的对等点阈值,能有效识别出P2P流以及P2P流对应的部分具体应用；（4）为了识别出P2P应用主机,对P2P应用主机TCP流从连接特性和自相似性两个方面进行了研究。P2P系统的主机扮演双重角色：服务器和客户端。非P2P系统的连接模式采用传统的客户/服务器模式,发起连接时以很高的连接成功率进行,与之相反的是,由于P2P系统的动态性,P2P主机不断地向其它在线主机发起连接以保证稳定的下载速度。与系统动态性和连接成功率相关的参数为：传输的SYN包数、传输的SYN+ACK、传输的SYN包不同目的地址数、接收的SYN+ACK包的不同源地址数包数、传输的SYN包不同目的端口数、接收的SYN+ACK包的不同源端口数。实验结果比较和分析表明：在识别P2P和非P2P传统应用主机的TCP流时,利用后四个参数比利用六个参数作为流量特征有效。主机流量的自相似性从时间上和行为上进行了分析,行为上的自相似性研究表明P2P应用主机在收到一定数量的数据包后,其数据包载荷变化很小。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究现状
• 1.2.1 基于端口的P2P流量识别算法
• 1.2.2 基于应用载荷签名的P2P流量识别算法
• 1.2.3 基于行为特征的P2P流量识别算法
• 1.2.4 基于机器学习的P2P流量识别算法
• 1.3 P2P流量识别技术面临的问题
• 1.4 本文的主要贡献
• 1.5 本文的组织结构
• 第二章 P2P流量快速识别算法
• 2.1 引言
• 2.2 相关工作
• 2.3 分类算法
• 2.3.1 SVM分类算法
• 2.3.2 K最近邻算法
• 2.3.3 C4.5决策树算法
• 2.3.4 n-折交叉验证
• 2.4 特征提取
• 2.5 快速识别算法
• 2.5.1 ETIA算法
• 2.5.2 FTIA算法
• 2.6 算法识别正确率和识别效率分析
• 2.6.1 实验数据
• 2.6.2 实验评估指标
• 2.6.3 ETIA识别正确率分析
• 2.6.4 FTIA识别正确率和识别效率分析
• 2.6.5 ETIA与FTIA分类结果的比较与分析
• 2.7 本章小结
• 第三章 改进的快速启发式P2P流量识别算法
• 3.1 引言
• 3.2 相关工作
• 3.3 IFIPBHA算法
• 3.4 算法识别正确率和识别效率分析
• 3.4.1 实验数据
• 3.4.2 实验评估指标
• 3.4.3 参数选择
• 3.4.4 计数原理和Skype字节判断的实验结果比较
• 3.4.5 不同识别流程的实验结果比较与分析
• 3.5 与其它启发式识别算法的性能比较
• 3.6 本章小结
• 第四章 P2P应用主机TCP流特性研究
• 4.1 引言
• 4.2 相关工作
• 4.3 P2P应用主机TCP流的连接特性研究
• 4.3.1 P2P应用主机TCP流的特征
• 4.3.2 特征有效性分析
• 4.4 P2P应用主机TCP流的自相似性研究
• 4.4.1 流量自相似
• 4.4.2 时间尺度自相似性分析
• 4.4.3 行为尺度自相似性分析
• 4.5 本章小结
• 第五章 总结与展望
• 5.1 主要成果及创新点
• 5.2 下一步研究工作的展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录
• 主要参与的科研项目