基于服務角色的P2P節(jié)點識別方法研究.pdf

1、對等（Peer-to-Peer，P2P）網(wǎng)絡在因特網(wǎng)上蓬勃發(fā)展，在方便用戶的同時也占用了大量的網(wǎng)絡帶寬。為保證資源利用的公平性，必須對過大的P2P流量進行控制。P2P識別作為P2P流量控制的前提已成為一個重要的、開放的研究問題。目前，基于端口的檢測方法不能識別采用動態(tài)端口機制的P2P應用。深層數(shù)據(jù)包檢測方法雖已較成熟但既不能識別內(nèi)容加密的P2P應用，也不適用于大流量環(huán)境。而基于行為的檢測方法，不是通過端口號或數(shù)據(jù)包內(nèi)容，而是通過傳輸層統(tǒng)

2、計特征識別P2P節(jié)點，是當前研究的熱點。但是，相關算法存在四個主要問題：一是主要基于P2P節(jié)點的客戶角色，不能識別那些僅做數(shù)據(jù)上傳的扮演純服務角色的P2P節(jié)點；二是僅能區(qū)分P2P與非P2P應用，而不能識別具體應用類型；三是不能滿足大流量環(huán)境下實時P2P應用識別的要求；四是一些識別方法未考慮國內(nèi)P2P應用及其網(wǎng)絡環(huán)境。
　　 歸納出P2P服務角色的六個特征。P2P網(wǎng)絡的本質在于對等與直連，P2P節(jié)點既是服務器又是客戶端，其服務角色

3、的基本特征為：（1）存在監(jiān)聽端口和大量反向連接，且監(jiān)聽端口大多為高號端口；（2）存在大量重負載、長持續(xù)時間的反向連接；（3）活躍節(jié)點具有較高的服務率；（4）其對端節(jié)點的不同IP（Internet Protocol，因特網(wǎng)協(xié)議）地址數(shù)與不同端口數(shù)大致相等；（5）正向與反向連接共存；（6）存在大量同時上傳與下載的反向連接。上述特征通常表現(xiàn)為傳輸層的連接行為。對服務角色的上述特征進行量化和形式化描述，用概率統(tǒng)計方法預測其理論分布。根據(jù)特征隨機

4、變量的試驗樣本，采用似然估計方法計算出相應的分布參數(shù)，并通過柯爾莫諾夫—斯米爾諾夫檢測選擇出一個理想的擬合分布。
　　 設計出處理連接的流水并行方法。采用連接構建與更新算法，實現(xiàn)P2P高速采樣，滿足大流量環(huán)境下實時處理的需求。提出了一種連接哈希表構建與更新算法，平衡新到的連接與超時丟棄的連接，使內(nèi)存中存儲的連接數(shù)量趨于穩(wěn)定。將數(shù)據(jù)處理分為連接構建與連接分析兩個階段，采用并行流水的方式提高了計算效率。充分利用P2P節(jié)點在線時間的

5、分布特點，分別從時間、空間兩個角度對網(wǎng)絡數(shù)據(jù)進行有選擇采樣，以削減后續(xù)的數(shù)據(jù)處理量。實驗結果表明，上述方法在30秒（速率1Gbps）采樣間隔內(nèi)，能識別出92％左右的P2P節(jié)點。但隨著采樣間隔時間的增大，P2P節(jié)點識別的準確率會隨之降低，這是由于P2P節(jié)點在線時間分布的重尾特性所決定的。
　　 提出一種基于服務角色特征的P2P節(jié)點識別算法—PN-Detector。首先，服務角色節(jié)點具有大量客戶節(jié)點及反向連接，且連接模式與客戶角色節(jié)

6、點有較大不同?；谝陨咸卣髯R別出具有服務角色的網(wǎng)絡節(jié)點。接著，采用時間序列檢驗算法，分別利用連接持續(xù)時間、連接負載、正向與反向連接比、反向連接中的上傳下載比及服務率等進行P2P節(jié)點識別，并根據(jù)識別的準確率為以上各連接屬性賦予權值，準確率越高權值越大。進而設計出改進的時間序列檢驗算法。綜合利用賦予權值后的連接屬性，可較準確的識別出P2P節(jié)點。最后，根據(jù)P2P服務端口中正向反向連接共存，其對端節(jié)點的不同IP地址數(shù)與不同端口數(shù)相近等特征識別出

7、了P2P服務端口。實驗結果表明，PN-Detector算法能較準確實時地識別出P2P節(jié)點及其服務端口，特別對僅做數(shù)據(jù)上傳的P2P節(jié)點仍然能準確識別。
　　 提出一種多支持向量機P2P連接識別算法—Multi-SVM。通過對P2P應用分片機制的分析發(fā)現(xiàn)，在其連接的傳輸中，長數(shù)據(jù)包與短數(shù)據(jù)包常常有規(guī)律出現(xiàn)，且各分片之間在傳輸過程中存在較長的時間間隔。Multi-SVM算法分別采用不同的向量來描述數(shù)據(jù)包長度、連續(xù)傳輸?shù)拈L數(shù)據(jù)包數(shù)、長數(shù)

8、據(jù)包時間間隔等連接屬性，進而構建了一個識別P2P連接的多支持向量機。同時，Multi-SVM算法采用離線與在線相結合的訓練模式，以減小網(wǎng)絡環(huán)境對檢測結果的影響。進一步，不同應用層協(xié)議產(chǎn)生的連接具有不同的統(tǒng)計特征集，基于這些應用特征集，提出了P2P連接分類算法—FCP。它采用一種標準化的閾值計算方法來判斷P2P連接的具體類型，克服了人工設置閾值的缺點。實驗表明，采用上述算法不僅能準確識別出P2P連接，還能對P2P連接根據(jù)應用類型進行分類。

9、
　　 提出一種基于滑動窗口的P2P應用特征碼自動提取算法—SWE。它將P2P應用中的每個數(shù)據(jù)包均看作一個二進制序列，首先用定寬窗口以單字節(jié)為滑動步長把每個二進制序列劃分為若干子序列，然后計算各子序列在不同數(shù)據(jù)包的相同偏移位置處出現(xiàn)的頻率。改變窗口寬度，重復以上過程，并把出現(xiàn)頻率及長度均滿足預定條件的子序列作為P2P應用的特征碼。實驗結果表明SWE算法能夠較準確有效地提取P2P應用特征碼。
　　 基于以上方法，還設計出P