基于無監(jiān)督學習的P2P流量識別技術(shù)的研究.pdf

1、隨著P2P網(wǎng)絡技術(shù)的發(fā)展,P2P應用越來越廣泛,而對P2P流量的識別是P2P技術(shù)研究者一直所追求的。由于應用越來越多,從而對P2P流量的識別也越來越困難。
　　本文從介紹P2P技術(shù)著手,分析了幾種典型的P2P流量識別技術(shù),從這些技術(shù)的優(yōu)缺點中提出一種改進的算法,這種改進的算法是基于無監(jiān)督學習的一種聚類算法。本文首先從數(shù)據(jù)包級和數(shù)據(jù)流級方面分析了P2P流量統(tǒng)計特征,從而選取了P2P流中包大小的平均方差值、P2P流所持續(xù)的時間、P2P

2、流中包大小的變換率、P2P流中數(shù)據(jù)包的平均字節(jié)數(shù)、以及下載與上傳速度比等五種適合本文算法實驗的特征屬性,以此作為后文DBK算法的實驗驗證。其次,本文簡單介紹了K-means算法以及DBSCAN算法的優(yōu)缺點,在此基礎上加以改進,從而得到基于DBSCAN改進的K-means算法(即DBK算法),并在算法初始點的尋找過程中加入貝葉斯信息準則,得到BIC核心點作為初始節(jié)點,再通過K-means算法進行聚類。
　　最后,本文對DBK算法進行