基于Fuzzy ARTMAP的P2P流量識別方法研究.pdf

1、P2P 網(wǎng)絡技術的飛速發(fā)展，引起文件共享和流媒體業(yè)務不斷壯大，極大地豐富了互聯(lián)網(wǎng)的內(nèi)容，但其巨大的流量和較高的帶寬占用對其他網(wǎng)絡服務構成了嚴重威脅。然而僅僅靠增大帶寬并不能緩解網(wǎng)絡擁塞的狀況。因此，實現(xiàn)對P2P 流量有效準確的識別成為了當前亟待解決的問題，它對于有效管理網(wǎng)絡和合理利用網(wǎng)絡資源都具有重要意義。
　　 本論文首先介紹了P2P 概念，對國內(nèi)外P2P 流量識別的方法進行了分析比較。
　　 然后，本論文從數(shù)據(jù)包、數(shù)

2、據(jù)流以及連接三個層面分別對目前網(wǎng)絡流行的四種P2P 應用（Emule、BitTorrent、PPLive、Ppstream）以及傳統(tǒng)非P2P 應用的流量特征進行了統(tǒng)計分析，選取正向連接與反向連接、平均數(shù)據(jù)包長度、上行流量占總流量比例、TCP 流量占總流量的比例作為流量識別的四個基本流量特征：P2P流量和非P2P 流量的前三個特征來兩者都有各自的相對獨立的波動區(qū)間；雖然4種P2P 流量的中間兩個特征波動區(qū)間有所重疊，但同為文件共享的BT和

3、Emule之間，同為流媒體傳輸?shù)腜PLive和PPSream 之間，都有所不同；雖然PPSream和PPLive的第四個特征非常相似，但它們與BT、Emule 之間則有很大的區(qū)別。
　　 利用Fuzzy ARTMAP（fuzzy adaptive resonance theory map，模糊自適應共振理論映射）神經(jīng)網(wǎng)絡支持任意維模擬輸入輸出空間之間的映射、能快速穩(wěn)定的在線識別學習的特點，提出了一種基于Fuzzy ARTMAP

4、神經(jīng)網(wǎng)絡的P2P 流量識別方法：首先，進行流量采集分為訓練樣本集和測試樣本集；然后，對樣本集進行特征提取并且歸一化特征值生成特征向量；接著，利用訓練樣本對基于FuzzyARTMAP的分類器進行訓練學習；最后，用訓練學習好的分類器對測試樣本進行測試識別。
　　 實驗表明：當選取正向連接與反向連接、平均數(shù)據(jù)包長度、上行流量占總流量比例三個特征進行兩級分類時候，P2P 流量的識別準確率達到98％，對匿名P2P流量識別準確率也達到了96