基于多特征匹配的P2P流量检测关键技术研究
Research on Key Technology of P2P Traffic Inspection Based on Multi-feature Matching
P2P业务流量占据大量网络带宽资源,同时带来网络安全问题和版权纠纷.P2P应用采用动态随机端口、数据加密和协议伪装等新技术以逃避传统的检测技术,加大了网络流量检测与监管的难度,使得网络运营商对网络应用的掌控能力进一步下降,无法满足网络精细运营的要求.对P2P业务流量进行准确、高效的检测是实现对网络流量管控的根本前提和关键.本文结合国家863计划"十一五"重大项目"新一代高可信网络"总体技术相关课题的研究需求,重点研究P2P业务流量特征和P2P流量检测的关键技术,为实现"高可信"质量水准的网络应用服务和网络业务精细管理提供有力的技术支持.本文主要的研究工作如下:分析了P2P应用网络节点行为特征和P2P业务流特征.对比研究了4种主流的P2P流量检测方法及性能不足,指出多种检测技术综合运用的方法将成为未来P2P流量检测技术发展方向.提出了一种基于多特征匹配的P2P流量综合检测方案.提出了综合PTITB (P2P Traffic Identification Algorithm based on Transport-layer Behaviors)算法和应用层深度报文检测的P2P流量跨层检测方法.该方法可以有效识别P2P加密流量和动态随机端口流量,检测效率高于单纯的深度报文检测方法,解决了基于传输层行为特征的P2P流量识别方法应用分类能力差的缺陷.分析了基于机器学习的P2P流量识别方法存在的不足,提出了一种基于半监督聚类学习的离线训练方法和改进的K-均值在线识别方法.经过簇评估,半监督离线训练方法产生子簇质量优于传统聚类算法.改进的在线识别方法可以有效识别P2P业务流量,对新型应用类型流量检测率高于传统K-均值算法.提出了一种基于抽样的多特征匹配P2P流量高速检测方案,并对关键模块给出详细设计.经过分析验证,该方案可以应用于高速链路上的P2P实时在线检测,具有较高的实用价值.
- 作者：
- 龙坤
- 学位授予单位：
- 解放军信息工程大学
- 专业名称：
- 通信与信息系统
- 授予学位：
- 硕士
- 学位年度：
- 2009年
- 导师姓名：
- 陈庶樵
- 中图分类号：
- TP393.06
- 关键词：
- P2P特征；多特征匹配；跨层检测；机器学习；半监督离线训练；高速检测
- P2P feature；multi-feature matching；cross-layer inspection；machine learning；semi-supervised offline training；high speed inspection
- 基金项目：
- 863计划