吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (03): 727-733.doi: 10.7964/jdxbgxb201303028

• 论文 • 上一篇    下一篇

基于内容转发模型的P2P流量识别算法

仙树1,2, 郑锦1,2, 路兴3, 张世鹏4   

  1. 1. 北京航空航天大学 计算机学院,北京 100191;
    2. 北京航空航天大学 数字媒体北京市重点实验室,北京 100191;
    3. 百度公司 基础架构部, 北京 100085;
    4. 中国联通 北京市分公司, 北京 100038
  • 收稿日期:2013-01-31 出版日期:2013-05-01 发布日期:2013-05-01
  • 作者简介:仙树(1981-),男,博士研究生.研究方向:模式识别.E-mail:xianshubuaa@126.com
  • 基金资助:

    "973"国家重点基础研究发展计划项目( 2010CB327900); 国家杰出青年科学基金项目(61125206);中国航天科工集团航天支撑技术基金项目(2011-HT-2011106155).

Identification approach of P2P flow based on the content redistribution model

XIAN Shu1,2, ZHENG Jin1,2, LU Xing3, ZHANG Shi-peng4   

  1. 1. School of Computer Science and Engineering, Beihang University, Beijing 100191,China;
    2. Beijing Key Laboratory of Digital Media, Beihang University, Beijing 100191,China;
    3. INF of Baidu Inc., Beijing 100085, China;
    4. China Unicom Beijing Branch, Beijing 100038, China
  • Received:2013-01-31 Online:2013-05-01 Published:2013-05-01

摘要: 随着P2P技术的发展,单纯地依靠IP加固定端口、应用层特征匹配进行流量识别的方法已不能满足实际需求.本文基于P2P网络结点既下载数据内容又将其进行转发的事实,建立了P2P网络的内容转发模型,并在此基础上设计实现了基于P2P网络内容转发模型的流量识别算法.该算法不依赖于端口号或应用层特征等与特定应用相关的信息,而是充分利用了结点具有内容转发的内在特性,具有较好的扩展性和鲁棒性.同时,理论分析和实验结果表明:本文算法具有较好的识别精度和鲁棒性,对检测P2P流媒体应用及热门资源共享产生的流量更具适应性.

关键词: 计算机应用, 对等网络, 流量识别, 流特性, 内容转发

Abstract: With the development of P2P technology, tradition methods based on application port number and matching protocol-specific signatures in payload cannot provide acceptable accuracy any more. In this paper, a content redistribution model of P2P network was proposed. Based on this redistribution model, an identification algorithm was also developed. The proposed model is based on the underlying characteristics of P2P protocol, each peer acting both as a server and a client, so redistributing the received content to other peers. Theoretical analysis and experiments show that the approach is more suitable for identifying traffic that is generated by P2P streaming and highly sought-after resource sharing.

Key words: computer application, P2P, traffic identification, flow characteristic, content redistribution

中图分类号: 

  • TP393
[1] 鲁刚, 张宏莉, 叶麟. P2P 流量识别[J]. 软件学报, 2011, 22(6):1281-1298. Lu Gang, Zhang Hong-li, Ye Lin. P2P Traffic identification[J]. Journal of Software, 2011, 22(6): 1281-1298.

[2] Bleul H, Rathgeb E P, Zilling S. Advanced P2P multiprotocol traffic analysis based on application level signature detection//Telecommunications Network Strategy and Planning Symposium, New Delhi, India, 2006, 11: 1-6.

[3] Aceto G, Dainotti A, de Donato W, et al. PortLoad: taking the best of two worlds in traffic classification//INFOCOM IEEE Conference on Computer Communications Workshops, San Diego, IEEE Press, 2010, 3: 1-5.

[4] Smith R, Estan C, Jha S, Kong S. Deflating the big bang: Fast and scalable deep packet inspection with extended finite automata//Proceeding of the ACM SIGCOMM 2008 Conference on Data Communication, New York, ACM Press, 2008, 38(4): 207-218.

[5] Xu K, Zhang M, Ye M J, et al. Identify P2P traffic by inspecting data transfer behavior[J]. Journal of Computer Communications, 2010, 33(10): 1141-1150.

[6] Sen S, Spatscheck O, Wang D. Accurate, scalable in-network identification of P2P traffic using application signatures//Proceedings of the 13th International Conference on World Wide Web, New York, 2004:512-521.

[7] Constantinou F, Mavrommatis P. Identifying known and unknown peer-to-peer traffic//Fifth IEEE International Symposium on Network Computing and Applications, New York, IEEE Computer Society, 2006, 7: 93-102.

[8] Yang A, Jiang S, Deng H. A P2P network traffic classification method using SVM//The 9th International Conference for Young Computer Scientists, Hunan, China 2008,11:398-403.

[9] Este A, Gringoli F, Salgarelli L. On the stability of the information carried by traffic flow features at the packet level..http://ccr.sigcomm.org/online/files/p13-v39n3b4-esteA.pdf.

[10] Basher N,Mahanti A,Williamson C,et al.A comparative analysis of Web and peer-to-peer traffic//Proceedings of the 17th International Conference on World Wide Web, New York, 2008:287-296.

[11] 孙知信, 张玉峰. 基于多维支持向量机的P2P 网络流量识别模型[J].吉林大学学报:工学版,2010,40(5): 1298-1302. Sun Zhi-xin, Zhang Yu-feng. P2P network traffic identif ication model based on MSVM[J]. Journal of Jilin University (Engineering and Technology Edition), 2010, 40(5): 1298-1302.
[1] 刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2] 王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3] 金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4] 赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5] 刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6] 欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7] 刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8] 桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9] 刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10] 车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11] 赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12] 黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13] 傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14] 曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15] 侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 刘松山, 王庆年, 王伟华, 林鑫. 惯性质量对馈能悬架阻尼特性和幅频特性的影响[J]. 吉林大学学报(工学版), 2013, 43(03): 557 -563 .
[2] 初亮, 王彦波, 祁富伟, 张永生. 用于制动压力精确控制的进液阀控制方法[J]. 吉林大学学报(工学版), 2013, 43(03): 564 -570 .
[3] 李静, 王子涵, 余春贤, 韩佐悦, 孙博华. 硬件在环试验台整车状态跟随控制系统设计[J]. 吉林大学学报(工学版), 2013, 43(03): 577 -583 .
[4] 胡兴军, 李腾飞, 王靖宇, 杨博, 郭鹏, 廖磊. 尾板对重型载货汽车尾部流场的影响[J]. 吉林大学学报(工学版), 2013, 43(03): 595 -601 .
[5] 王同建, 陈晋市, 赵锋, 赵庆波, 刘昕晖, 袁华山. 全液压转向系统机液联合仿真及试验[J]. 吉林大学学报(工学版), 2013, 43(03): 607 -612 .
[6] 张春勤, 姜桂艳, 吴正言. 机动车出行者出发时间选择的影响因素[J]. 吉林大学学报(工学版), 2013, 43(03): 626 -632 .
[7] 马万经, 谢涵洲. 双停车线进口道主、预信号配时协调控制模型[J]. 吉林大学学报(工学版), 2013, 43(03): 633 -639 .
[8] 于德新, 仝倩, 杨兆升, 高鹏. 重大灾害条件下应急交通疏散时间预测模型[J]. 吉林大学学报(工学版), 2013, 43(03): 654 -658 .
[9] 肖赟, 雷俊卿, 张坤, 李忠三. 多级变幅疲劳荷载下预应力混凝土梁刚度退化[J]. 吉林大学学报(工学版), 2013, 43(03): 665 -670 .
[10] 肖锐, 邓宗才, 兰明章, 申臣良. 不掺硅粉的活性粉末混凝土配合比试验[J]. 吉林大学学报(工学版), 2013, 43(03): 671 -676 .