多决策树算法在P2P网络流量检测的应用

来源 :哈尔滨理工大学 | 被引量 : 0次 | 上传用户:toefltoefl
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着P2P技术的迅猛发展和广泛应用,人们在受益于P2P技术所带来的巨大利益的同时,也不得不面对网络安全的严峻挑战。因此,当前急需解决的问题是实现对P2P流量的检测与控制。常见的P2P流量检测技术包括基于深层数据包的检测技术,基于流量特征的检测技术以及基于端口的检测技术。伴随着网络技术的发展,单一地应用任何一种检测技术,检测的精度和效率有待提高。本文通过分析比较大量文献资料,总结出了现有P2P流量检测技术存在的一些问题。目前,大多数P2P网络采用冒充HTTP、有效载荷加密、跳跃端口、动态随机端口等技术避免检测。在大规模网络流量检测过程中,传统的决策树分类方法就显得效率不高,容易造成高误报率和低检测率。本文通过研究P2P流量检测及控制过程中需要解决的问题,分析三种常见的P2P网络流量检测技术,提出了一种基于多决策树算法的分类方法,设计了一个基于多决策树算法的P2P流量检测模型,阐述了模型的工作原理。通过虚警率、漏警率和检测率三个参数,评价了采用多决策树算法进行P2P网络流量检测的有效性。基于多决策树算法的P2P流量检测模型,可以提高流量检测的准确率,降低误报率。通过大量实验证明该方法具有较高的检测率,说明采用基于多决策树算法的P2P流量检测模型进行检测的可行性。
其他文献
云存储作为一种新兴的存储模式,以其低成本、高可靠、弹性和按需付费的特点,吸引了越来越多的企业和用户将数据放在云端。如何降低云存储中海量数据的存储开销成为一个重要的
人体姿势估计是实现图像理解和行为识别的关键技术。但是,自身的遮挡,衣着的变化,面内和面外旋转等情况,导致了人体姿势估计问题一直没有得到很好的解决。近年来,深度学习技
随着计算机技术的不断发展,网络技术和应用软件开发技术的应用越来越广泛。随着检察院系统事业的发展,对规范行政管理流程、提高办公效率、加强决策支持的要求越来越高。所以
随着社会的不断进步,计算机技术、互联网技术等不断发展,数据也越来越丰富和复杂,针对丰富且复杂的数据进行聚类分析的重要方向也越来越受到人们的关注,高维数据聚类更是重点
本文根据发电企业的特点,结合电厂机组综合评优的实际需求,对数据仓库、ETL、OLAP、数据挖掘等基础理论和关键技术,进行了深入有效的研究。文章重点讨论了系统构建过程中数据
随着空间信息应用需求的不断增长,人们对地观测数据需要更高的分辨率、更快的获取速度和更大的信息量,随之对空间信息的服务和共享提出了更高的要求。G/S模式是继目前网络软
随着IT技术的发展,近几年云计算技术逐渐成熟。由于数据中心的数量和规模急速增长,如何合理地利用资源同时有效节省数据中心能耗成为热门的课题。作为云计算底层的IaaS层,是
特征造型技术作为新一代CAD/CAM集成系统的关键技术之一,是产品设计的核心。建立一个基于特征的、统一而完备的产品信息模型是必要的,它可以实现模型的可编辑性和易维护性。
随着Internet的迅速发展、网络应用日益普及以及云计算技术的快速成熟,在全世界,pc、手机、pad上的各种app极大方便了人们的生活和旅游。各种O2O,各种app极大丰富了我们物质
随着网络信息资源的飞速增长,互联网已经成为一个巨大的信息服务中心,它涉及新闻、政府、电子商务等和许多其他信息服务。此外,还包含了丰富和动态的超链接信息,这些都为Web