图书介绍
P2P流量识别PDF|Epub|txt|kindle电子书版本下载
- 王春枝，陈宏伟，叶志伟著 著
- 出版社： 北京：科学出版社
- ISBN：9787030507020
- 出版时间：2016
- 标注页数：196页
- 文件大小：36MB
- 文件页数：207页
- 主题词：计算机网络－流量－识别－研究
PDF下载
下载说明
P2P流量识别PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 P2P流量识别方法概述1
1.1 P2P网络的发展及特点1
1.1.1 P2P网络的发展1
1.1.2 P2P网络的特点3
1.2 P2P流量识别方法4
1.2.1 基于端口号的识别方法5
1.2.2 基于深层数据包的识别方法6
1.2.3 基于流量特征的识别方法6
1.2.4 基于机器学习的识别方法7
参考文献9
第2章 基于DPI抽样的P2P流量识别11
2.1 字符串匹配算法11
2.1.1 AC算法12
2.1.2 Wu-Manber算法14
2.1.3 SBOM算法16
2.2 字符串匹配算法实验分析17
2.2.1 实验环境17
2.2.2 特征码生成随机算法17
2.2.3 字符串强制长度匹配19
2.2.4 实验结果19
2.2.5 3种算法比较23
2.3 DPI抽样模型24
2.4 DPI抽样策略25
2.4.1 抽样对象的选择25
2.4.2 抽样分片26
2.4.3 抽样方式26
2.4.4 抽样策略组合及算法27
2.5 基于DPI抽样的P2P流量识别实验分析29
2.5.1 测试环境29
2.5.2 测试对象及设置29
2.5.3 测试方式30
2.5.4 测试结果及分析31
参考文献34
第3章 基于DPI信任抽样的P2P流量识别36
3.1 基于信任度抽样的P2P流量识别36
3.1.1 技术方案36
3.1.2 策略具体实施方式39
3.1.3 新型深度扫描模型的具体应用41
3.2 基于二阶信任抽样的P2P流量识别46
3.2.1 二阶随机抽样信任策略46
3.2.2 二阶蓄水池抽样算法48
3.2.3 实验结果分析50
参考文献54
第4章 基于DFI-SVM模型的P2P流量识别55
4.1 SVM简介55
4.1.1 SVM设计思想55
4.1.2 SVM训练算法56
4.1.3 SVM分类模型57
4.1.4 SVM反馈增量学习58
4.2 SVM算法的核函数选择59
4.2.1 核函数选择原则59
4.2.2 RBF核函数60
4.3 基于SVM算法的DFI在线流量识别模型61
4.3.1 SVM算法在P2P流量识别中的应用现状61
4.3.2 基于SVM算法的DFI流量识别模型结构63
4.4 网络流量特征选择65
4.4.1 P2P流量特征提取和选择65
4.4.2 基于IP和IP-Port的P2P流量模式66
4.5 实验环境与界面69
4.6 实验结果分析72
4.6.1 IP模式测试73
4.6.2 IP-Port模式测试75
4.6.3 IP模式对比IP-Port模式78
4.6.4 IP和IP-Port协同模式测试78
参考文献79
第5章 基于DPI/DFI结合的P2P流量识别81
5.1 DPI/DFI结合思想81
5.2 DPI/DFI结合的P2P流量识别系统设计82
5.2.1 软件结构设计82
5.2.2 逻辑结构设计89
5.2.3 协同策略设计95
5.3 关键技术问题98
5.3.1 缓解掉包问题98
5.3.2 快速装载DPI特征库及高速命中107
5.3.3 流量统计信息结构体设计及控制109
5.3.4 UCHAR与CHAR113
5.4 实验环境与界面113
5.4.1 实验环境113
5.4.2 系统抓包114
5.4.3 DPI测试114
5.4.4 DFI测试116
5.4.5 DPI/DFI协同测试117
参考文献118
第6章 基于CS-PSO和SVM的P2P流量识别119
6.1 相关算法基本原理119
6.1.1 遗传算法119
6.1.2 杜鹃搜索算法120
6.1.3 粒子群算法121
6.1.4 融合杜鹃搜索的粒子群算法122
6.2 CS-PSO的P2P流量特征选择方法123
6.2.1 P2P流量特征概述124
6.2.2 特征选择概述124
6.2.3 基于GA的P2P流量特征选择方法127
6.2.4 基于CS的P2P流量特征选择方法129
6.2.5 基于PSO的P2P流量特征选择方法131
6.2.6 基于CS-PSO的P2P流量特征选择方法133
6.2.7 基于CS-PSO的P2P流量特征选择实验分析135
6.3 基于CS-PSO和SVM的P2P流量识别方法140
6.3.1 基于SVM的P2P流量识别方法141
6.3.2 SVM参数优化概述141
6.3.3 基于GA的SVM参数优化方法142
6.3.4 基于CS的SVM参数优化方法144
6.3.5 基于PSO的SVM参数优化方法145
6.3.6 基于CS-PSO的SVM参数优化方法147
6.3.7 基于CS-PSO和SVM的P2P流量识别实验分析149
参考文献155
第7章 基于菌群优化算法和小波SVM的P2P流识别157
7.1 菌群优化算法基本原理157
7.1.1 趋化157
7.1.2 复制159
7.1.3 驱散159
7.1.4 菌群优化算法基本流程160
7.2 基于菌群优化算法的SVM参数优化方法161
7.2.1 基于菌群优化算法的SvM优化方法161
7.2.2 基于菌群优化算法的SvM参数优化164
7.3 基于菌群优化算法的SVM参数优化实验分析165
7.4 基于菌群和小波SVM的P2P流量识别170
7.4.1 基于小波核函数的SVM算法170
7.4.2 基于菌群和小波SVM的P2P流量识别的步骤171
7.5 基于菌群优化算法和小波SVM的P2P流量识别实验分析171
参考文献174
第8章 基于人工蜂群算法和小波SVM的P2P流量识别177
8.1 人工蜂群算法基本原理177
8.2 基于人工蜂群算法的P2P流量特征选择方法178
8.3 基于人工蜂群算法的P2P流量特征选择实验分析181
8.4 基于人工蜂群算法的SVM参数优化方法185
8.5 基于人工蜂群算法和小波SVM的P2P流量识别实验分析187
参考文献195