基于机器学习算法的P2P流量分类研究

论文摘要

P2P应用的快速增长,带来网络拥塞、大量消费网络带宽等诸多问题,而传统的基于端口与有效载荷的网络流量分类方法存在着很多缺陷,研究按照5元组（源IP、源Port、目的IP、目的Prot及IP协议）的定义,将P2P报文分成双向TCP或UDP流,抽取独立于端口、协议和有效载荷的原始数据报文的信息作为P2P流的特征,形成特征向量,用特征向量表示流,流的分类类别为P2P的协议类型。用提出的基于ReliefF-CFS的方法选择流的特征子集,该方法结合ReliefF和基于相关性（CFS）两种特征选择方法,产生适合于分类P2P流的特征子集。首先利用ReliefF特征选择方法把候选特征按与类别相关性的大小排序,通过设定的阈值选择与类别相关性大的特征子集作为CFS选择方法的初始集,然后利用CFS结合正向搜索得到最终的较优特征子集。研究使用C4.5决策树、支持向量机（SVM）、K近邻（KNN）三种机器学习算法构建P2P流量分类器,利用获取的原始数据寻找分类器的最优分类参数,主要采用分类准确率和分类时间标准进行评估;并研究统计原始数据报文的部分信息分类P2P流,实验中分别统计流的双向50、100、150、200个报文信息,结果显示不仅减少了特征统计计算的复杂度和分类的时间,而且有更高的分类准确率。为了让研究的成果能有实际的应用价值,通过构建相应的硬件、软件环境,对P2P流量的在线实时分类作了初步的研究。设计并实现了基于机器学习算法的P2P流量分类原型系统,系统分类分类器构建和分类两个阶段,每个阶段有数据采集、数据解析、流的合成以及分类四个模块。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 研究背景
• 1.2 研究目的及意义
• 1.3 国内外研究现状
• 1.3.1 基于端口（Port-based）方法的研究现状
• 1.3.2 基于有效载荷（Payload-based） 方法的研究现状
• 1.3.3 基于机器学习的网络流量分类研究现状
• 1.3.4 基于机器学习的P2P 流量分类研究现状
• 1.3.5 不同层面的流量分析
• 1.4 研究内容及组织结构
• 1.4.1 论文研究内容
• 1.4.2 论文组织结构
• 第二章 基于RELIEFF-CFS 的P2P 流量特征选择
• 2.1 P2P 流的定义及特征产生
• 2.1.1 P2P 流的定义及表示
• 2.1.2 P2P 流特征的产生
• 2.2 特征选择理论与研究现状
• 2.3 基于RELI EFF-CFS 的算法进行特征选择
• 2.3.1 用基于ReliefF 算法对P2P 流特征进行初步选择的方法
• 2.3.2 用CFS 方法选择较优特征子集
• 2.4 实验结果与分析
• 2.5 本章小结
• 第三章 基于机器学习P2P 流量分类器研究
• 3.1 基于支持向量机（SVM）的P2P 流量分类器方法
• 3.1.1 核函数介绍
• 3.1.2 最大间隔原则
• 3.2 基于C4.5 决策树的P2P 网络流量分类器
• 3.3 基于KNN 的P2P 流量分类器
• 3.4 实验结果与分析
• 3.4.1 机器学习最优参数搜索
• 3.4.2 机器学习算法参数设置
• 3.4.3 样本数量与分类准确率的关系
• 3.4.4 类别数量与分类准确率的关系
• 3.4.5 使用独立测试样本集对分类器进行测试
• 3.4.6 实验结论
• 3.5 本章小结
• 第四章 基于机器学习的P2P 流量分类系统的设计
• 4.1 系统框架
• 4.2 数据采集模块的设计
• 4.3 数据解析模块的设计
• 4.4 合成流模块的设计
• 4.5 分类模块的设计
• 4.6 本章小结
• 第五章 基于机器学习的P2P 流量分类系统的实现
• 5.1 分类器构建阶段的实现
• 5.1.1 数据采集功能的实现
• 5.1.2 数据解析、流的合成模块的实现
• 5.1.3 分类模块的实现
• 5.1.4 系统主要功能介绍
• 5.1.5 分类器构建阶段实验
• 5.2 在线分类阶段的实现
• 5.2.1 在线数据的捕获、解析
• 5.2.2 在线流的的合成
• 5.2.3 在线分类策略
• 5.3 在线分类
• 5.3.1 在线分类实验环境的构建
• 5.3.2 在线分类算法
• 5.3.3 在线分类实验
• 5.4 本章小结
• 第六章 结论
• 6.1 结论
• 6.2 进一步的工作
• 参考文献
• 附录
• 致谢