P2P流量識別方法研究（簡體書）

孫知信的這本《P2P流量識別方法研究》系統地闡述了P2P流量識別技術。首先綜述了P2P流量識別技術現狀和最新的研究成果， 在此基礎上詳細闡述作者提出的6種P2P流量檢測模型： 基于滑動窗口機制的P2P流量識別模型、基于通信網絡拓撲結構的P2P流量識別模型、基于BP算法的P2P流量識別模型、基于多重特征分類的P2P流量識別算法、基于SVM的P2P流量識別方法的設計與實現以及基于流特征描述的模糊識別算法。 在理論研究的基礎上，作者將上述模型和算法應用到具體的項目開發中，取得了良好的效果。
本書是作者多年從事科研項目研究的成果結晶，書中內容都來自具體的項目，有很好的工程基礎，特色是學術與具體的工程應用相結合。本書可作為計算機科學與技術、網絡與信息安全相關專業研究生及高年級本科生的教材，也可作為科研人員的參考書，同時可作為研究生、博士生及教師論文寫作的參考書。

第1章　緒論
1.1 P2P形成背景及概念
1.1.1 P2P產生背景
1.1.2 P2P概念
1.2 網絡拓撲結構
1.2.1 網絡拓撲結構概念
1.2.2 傳統網絡拓撲結構
1.2.3 P2P網絡拓撲結構
1.2.4 結構化與非結構化模型的區別
1.3 P2P業務
1.3.1 P2P業務特征
1.3.2 P2P的主要應用領域
1.4 P2P流量識別
1.4.1 P2P技術應用困境
1.4.2 P2P流量識別研究意義 第1章　緒論
1.1 P2P形成背景及概念
1.1.1 P2P產生背景
1.1.2 P2P概念
1.2 網絡拓撲結構
1.2.1 網絡拓撲結構概念
1.2.2 傳統網絡拓撲結構
1.2.3 P2P網絡拓撲結構
1.2.4 結構化與非結構化模型的區別
1.3 P2P業務
1.3.1 P2P業務特征
1.3.2 P2P的主要應用領域
1.4 P2P流量識別
1.4.1 P2P技術應用困境
1.4.2 P2P流量識別研究意義
1.4.3 P2P流量識別研究現狀
1.5 本書的研究內容
本章參考文獻
第2章　基于滑動窗口機制的P2P流量識別模型（SW-P2PIM）
2.1 基于滑動窗口機制的P2P流量識別方法的基本原理
2.1.1 滑動窗口機制
2.1.2 滑動窗口機制在P2P流量識別模型中的定義
2.2 基于滑動窗口機制的特性量化
2.2.1 滑動窗口機制在流量特性量化中的應用
2.2.2 P2P流量連續性量化
2.2.3 P2P流量多連接性量化
2.2.4 P2P流量協議混合特性量化
2.2.5 P2P流量端口離散性量化
2.2.6 輸入/輸出均衡性量化
2.3 一次P2P流量識別策略
2.4 基于滑動窗口機制的二次P2P流量識別策略
2.5 基于滑動窗口機制的P2P流量識別與控制仿真系統
2.5.1 系統概述
2.5.2 系統各模塊結構
2.6 SW-P2PIM系統功能測試
2.6.1 P2P軟件流量分析
2.6.2 傳統C/S軟件流量分析
2.6.3 未知類型P2P軟件流量分析
2.7 本章小結
本章參考文獻
第3章　基于通信網絡拓撲結構的P2P流量識別模型（P2P-CNTIM）
3.1 基于通信網絡拓撲結構的P2P流量識別模型(P2P-CNTIM)概述
3.1.1 P2P通信網絡拓撲特征分析
3.1.2 P2P流量識別確定性特征選擇
3.1.3 獲取通信對端類型關鍵技術
3.2 P2P-CNTIM流量識別模型中的關鍵技術
3.2.1 P2P-CNTIM特征判斷函數
3.2.2 P2P-CNTIM調度機制
3.2.3 P2P-CNTIM核心過程
3.3 P2P-CNTIM系統的設計
3.3.1 P2P-CNTIM系統的功能
3.3.2 P2P-CNTIM系統結構
3.4 P2P-CNTIM系統的實現
3.4.1 數據包提取分析模塊
3.4.2 P2P流量識別模塊
3.4.3 P2P應用識別模塊
3.4.4 P2P控制管理模塊
3.5 P2P-CNTIM系統測試
3.5.1 測試環境
3.5.2 誤判率測試分析
3.5.3 準確率測試分析
3.5.4 識別效率分析
3.6 本章小結
本章參考文獻
第4章　基于BP算法的P2P流量識別模型
4.1 BP神經網絡的基本概念
4.1.1 BP神經網絡簡介
4.1.2 BP算法介紹
4.1.3 BP算法實現步驟
4.2 BP算法的缺陷與改進
4.2.1 傳統BP算法的缺陷
4.2.2 BP算法的改進
4.3.3 改進BP算法的性能對比實驗
4.3 基于BP算法的P2P流量識別系統(IBPNN-P2PIM)的模型設計與實現
4.3.1 IBPNN-P2PM模型的提出
4.3.2 數據采集模塊
4.3.3 流量特征抽取模塊
4.3.4 流分類器模塊
4.4 IBPNN-P2PIM系統測試與結果分析
4.4.1 樣本數據獲取
4.4.2 流分類器網絡訓練
4.4.3 流分類器網絡測試
4.4.4 在線識別測試
4.5 本章小結
本章參考文獻
第5章　基于多重特征分類的P2P流量識別算法（MCC-P2PIM）
5.1 多重特征提取分類方法的設計思想
5.1.1 P2P連接特征分析
5.1.2 P2P深層數據包特征分析
5.1.3 P2P流量統計特征分析
5.2 MCC-P2PIM系統的設計模型
5.2.1 數據采集模塊的設計
5.2.2 數據預處理模塊的設計
5.2.3 多重特征提取模塊的設計
5.2.4 多重特征識別模塊的設計
5.3 MCC-P2PIS系統設計與實現
5.3.1 MCC-P2PIM系統概述
5.3.2 MCC-P2PIS系統模塊設計與實現
5.4 MCC-P2PIS系統測試與結果分析
5.4.1 計算數據包長抖動頻次的準確性測試
5.4.2 BP網絡訓練測試
5.4.3 多重特征流量識別的準確性和高效性測試
5.5 本章小結
本章參考文獻
第6章　基于SVM的P2P流量識別方法的設計與實現
6.1 SVM原理
6.1.1 統計學習理論
6.1.2 SVM思想
6.1.3 SVM核函數
6.1.4 與SVM相關的技術研究
6.2 基于改進SVM的P2P流量檢測模型
6.2.1 針對大規模訓練集的支持向量機學習策略
6.2.2 基于改進SVM的P2P流量檢測系統模型設計思路
6.2.3 P2P流量特征分析
6.2.4 基于SVM的P2P流量樣本剪裁方法
6.2.5 基于改進SVM的P2P流量識別系統模塊設計
6.2.6 基于SVM的P2P流量識別系統的配置
6.2.7 基于SVM的P2P流量識別系統的測試與性能分析
6.3 基于SVM與DPI的P2P流量識別方法
6.3.1 研究背景
6.3.2 主要思想
6.3.3 基本方案
6.3.4 系統實現
6.3.5 系統測試與分析
6.4 基于MSVM的P2P流量識別模型
6.4.1 研究背景
6.4.2 主要思想
6.4.3 基本方案
6.5 本章小結
本章參考文獻
第7章　基于流特性描述的模糊識別算法
7.1 背景介紹
7.2 模糊集合
7.2.1 模糊集合的概念
7.2.2 隸屬函數的確定與選擇
7.2.3 模糊集合的截集與模糊性的度量
7.3 模糊綜合評價法
7.3.1 模糊綜合評價法的術語及其定義
7.3.2 模糊綜合評價法的特點
7.3.3 模糊綜合評價法的應用程序
7.4 模糊評判規則
7.4.1 數據包集合的描述
7.4.2 隸屬度函數的定義
7.5 基于流特征描述的模糊識別方法(FCD)
7.6 FCD模糊識別方法在識別網絡游戲中的應用和分析
7.6.1 用FCD模式識別方法識別“魔獸世界”
7.6.2 隸屬度函數分析
7.6.3 結果分析
7.7 FCD模糊識別方法在識別其他P2P中的應用
7.7.1 Skype 特性
7.7.2 Skype的檢測流程
7.7.3 FCD模糊識別Skype的過程
7.8 本章小結
本章參考文獻

顯示全部信息