-- 會員 / 註冊 -- 　
　帳號：
　密碼：
　 | 註冊 | 忘記密碼
3/26 新書到！ 3/19 新書到！ 3/14 新書到！ 12/12 新書到！
購書流程•Q & A•站務留言版•客服信箱
│ 3ds Max│ Maya│ Rhino│ After Effects│ SketchUp│ ZBrush│ Painter│ Unity│
│ PhotoShop│ AutoCad│ MasterCam│ SolidWorks│ Creo│ UG│ Revit│ Nuke│
│ C#│ C│ C++│ Java│ 遊戲程式│ Linux│ 嵌入式│ PLC│ FPGA│ Matlab│
│ 駭客│ 資料庫│ 搜索引擎│ 影像處理│ Fluent│ VR+AR│ ANSYS│ 深度學習│
│ 單晶片│ AVR│ OpenGL│ Arduino│ Raspberry Pi│ 電路設計│ Cadence│ Protel│
│ Hadoop│ Python│ Stm32│ Cortex│ Labview│ 手機程式│ Android│ iPhone│
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

P2P流量識別方法研究

( 簡體 字)
作者：孫知信類別：1. -> 程式設計 -> 綜合
譯者：
出版社：清華大學出版社P2P流量識別方法研究 3dWoo書號： 38965
詢問書籍請說出此書號！

【有庫存】
NT售價： 195 元

出版日：6/24/2014
頁數：266
光碟數：0
站長推薦：
印刷：黑白印刷語系： ( 簡體 版 )
加入購物車 │加到我的最愛
(請先登入會員)
ISBN：9787302340720
作者序　|　譯者序　|　前言　|　內容簡介　|　目錄　|　序
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序：

譯者序：

前言：

P2P網絡服務的概念最早于1969年由Steve Crocker提出,每個參與P2P網絡服務的主機都稱為一個Peer，由Peer拟to拟Peer連接構成的網絡就稱為P2P網絡。P2P網絡不僅能提供快速高效的文件共享、低成本高可用的計算資源和存儲資源共享，而且具有強大的網絡連通性，以及更直接、更靈活的信息傳送能力。然而，P2P網絡在提供高效快速資源共享的同時，也帶來了眾多的問題： P2P對傳輸速度的需求高，且P2P應用的數據交換具有一對多、突發性和分布式特性，P2P用戶的超大容量下載消耗了大量帶寬； 其用戶搶占了60%~80%的網絡帶寬，容易引起企業及ISP瓶頸鏈路的阻塞； P2P 用戶不分時段地進行高速下載，增大網絡設備的負荷，容易造成高峰時段的鏈路擁塞等。隨著P2P應用的快速發展，P2P指數級增長的數據傳輸使得網絡帶寬資源更加緊張。因此，為了確保其他正常網絡用戶的服務，同時為了更好地發揮P2P技術的優勢，對P2P流量進行分類、識別就成為目前業內研究的一個熱點。
本書作者從2004年開始研究P2P流量識別的相關技術，先后得到國家自然科學基金、科技部中小企業創新基金、國家重點實驗室基金、江蘇省自然基金、江蘇省高校自然基金項目及企業委托項目的資助，取得了以下成果。
（1） 立足于P2P協議最基本的特點，研究并總結出P2P流量的多個統計特性，提出了基于滑動窗口機制的P2P流量識別模型（SW拟P2PIM），并建立了P2P流量識別與控制仿真系統，詳細內容在第2章中闡述。
（2） 根據P2P獨有的通信網絡拓撲結構特征，提出了基于通信網絡拓撲結構的P2P流量識別模型（P2P拟CNTIM），該模型使用多主機特征以及通信對端類型特征對P2P流量進行識別，并將這兩個特征有機地結合起來以提高識別的準確率和識別效率，第3章給出了詳細分析。

（3） 將BP網絡應用于P2P流識別，提出了一種基于改進BP算法的P2P流識別模型（IBPNN拟P2PIM）。針對傳統BP算法的缺陷，在總結了他人研究成果的基礎上，對傳統BP算法進行了改進，并將其應用于模型中流分類器模塊的設計，與采用傳統BP算法的流分類器相比，IBPNN拟P2PIM對P2P流的識別具有一定的有效性和優越性，第4章展示了其應用效果。

（4） 通過大量的實驗對比分析P2P應用和非P2P應用，總結出P2P的連接特征、深層數據包特征和流量統計特征這些特征，并在此基礎上提出了基于多重特征分類的P2P流量識別模型(MCC拟P2PIM)，第5章中對該系統實現進行了剖析。

（5） 基于近幾年對支持向量機（Support Vector Machines，SVM）技術的深入研究，致力于將SVM技術運用到P2P流量識別中，分別提出了基于改進SVM的P2P流量檢測模型、基于P2P與DPI(Deep Packet Inspection,深度包檢測)的P2P流量識別方法以及基于MSVM（Multidimensional Support Vector Machine，多維SVM）的P2P流量識別模型，第6章描述了這3個模型及其系統的成果。

（6） 首次將模糊數學的理論運用到P2P數據流的識別中，提出了一種基于流特征描述的模糊識別方法(FCD)。該識別方法能夠較好地識別網絡流量中的某些網絡應用流，對于其他的網絡應用流量識別同樣適用，具有較好的準確性和可擴展性，第7章對此進行了深入分析和闡述。

本書是項目組集體成果的結晶，他們是宮婧副教授、劉三民博士、焦琳碩士、姜舉良碩士、陳松樂博士、卜凱博士、許劉兵碩士、余小芳碩士、顏小倩碩士、高同碩士、張玉峰碩士等，在此書交稿之際，謹向他們對本書做出的貢獻表示衷心的感謝。另外，感謝宮婧副教授、劉三民博士、汪胡青博士、何麗萍博士在本書撰寫過程中給予的幫助。
感謝我的愛人張娟和兒子孫翌博，他們是我寫書的動力所在。
最后要感謝清華大學出版社的領導和編輯，沒有他們的辛勤勞動，就沒有本書的出版。

孫知信
2014.5于南京郵電大學
內容簡介：

本書系統地闡述了P2P流量識別技術。首先綜述了P2P流量識別技術現狀和最新的研究成果， 在此基礎上詳細闡述作者提出的6種P2P流量檢測模型： 基于滑動窗口機制的P2P流量識別模型、基于通信網絡拓撲結構的P2P流量識別模型、基于BP算法的P2P流量識別模型、基于多重特征分類的P2P流量識別算法、基于SVM的P2P流量識別方法的設計與實現以及基于流特征描述的模糊識別算法。 在理論研究的基礎上，作者將上述模型和算法應用到具體的項目開發中，取得了良好的效果。
本書是作者多年從事科研項目研究的成果結晶，書中內容都來自具體的項目，有很好的工程基礎，特色是學術與具體的工程應用相結合。本書可作為計算機科學與技術、網絡與信息安全相關專業研究生及高年級本科生的教材，也可作為科研人員的參考書，同時可作為研究生、博士生及教師論文寫作的參考書。

目錄：

第1章緒論

1.1P2P形成背景及概念

1.1.1P2P產生背景

1.1.2P2P概念

1.2網絡拓撲結構

1.2.1網絡拓撲結構概念

1.2.2傳統網絡拓撲結構

1.2.3P2P網絡拓撲結構

1.2.4結構化與非結構化模型的區別

1.3P2P業務

1.3.1P2P業務特征

1.3.2P2P的主要應用領域

1.4P2P流量識別

1.4.1P2P技術應用困境

1.4.2P2P流量識別研究意義

1.4.3P2P流量識別研究現狀

1.5本書的研究內容

本章參考文獻

第2章基于滑動窗口機制的P2P流量識別模型（SW拟P2PIM）

2.1基于滑動窗口機制的P2P流量識別方法的基本原理

2.1.1滑動窗口機制

2.1.2滑動窗口機制在P2P流量識別模型中的定義

2.2基于滑動窗口機制的特性量化

2.2.1滑動窗口機制在流量特性量化中的應用

2.2.2P2P流量連續性量化

2.2.3P2P流量多連接性量化

2.2.4P2P流量協議混合特性量化

2.2.5P2P流量端口離散性量化

2.2.6輸入/輸出均衡性量化

2.3一次P2P流量識別策略

2.4基于滑動窗口機制的二次P2P流量識別策略

2.5基于滑動窗口機制的P2P流量識別與控制仿真系統

2.5.1系統概述

2.5.2系統各模塊結構

2.6SW拟P2PIM系統功能測試

2.6.1P2P軟件流量分析

2.6.2傳統C/S軟件流量分析

2.6.3未知類型P2P軟件流量分析

2.7本章小結

本章參考文獻

第3章基于通信網絡拓撲結構的P2P流量識別模型（P2P拟CNTIM）

3.1基于通信網絡拓撲結構的P2P流量識別模型(P2P拟CNTIM)概述

3.1.1P2P通信網絡拓撲特征分析

3.1.2P2P流量識別確定性特征選擇

3.1.3獲取通信對端類型關鍵技術

3.2P2P拟CNTIM流量識別模型中的關鍵技術

3.2.1P2P拟CNTIM特征判斷函數

3.2.2P2P拟CNTIM調度機制

3.2.3P2P拟CNTIM核心過程

3.3P2P拟CNTIM系統的設計

3.3.1P2P拟CNTIM系統的功能

3.3.2P2P拟CNTIM系統結構

3.4P2P拟CNTIM系統的實現

3.4.1數據包提取分析模塊

3.4.2P2P流量識別模塊

3.4.3P2P應用識別模塊

3.4.4P2P控制管理模塊

3.5P2P拟CNTIM系統測試

3.5.1測試環境

3.5.2誤判率測試分析

3.5.3準確率測試分析

3.5.4識別效率分析

3.6本章小結

本章參考文獻

第4章基于BP算法的P2P流量識別模型

4.1BP神經網絡的基本概念

4.1.1BP神經網絡簡介

4.1.2BP算法介紹

4.1.3BP算法實現步驟

4.2BP算法的缺陷與改進

4.2.1傳統BP算法的缺陷

4.2.2BP算法的改進

4.3.3改進BP算法的性能對比實驗

4.3基于BP算法的P2P流量識別系統(IBPNN拟P2PIM)的模型設計與實現

4.3.1IBPNN拟P2PM模型的提出

4.3.2數據采集模塊

4.3.3流量特征抽取模塊

4.3.4流分類器模塊

4.4IBPNN拟P2PIM系統測試與結果分析

4.4.1樣本數據獲取

4.4.2流分類器網絡訓練

4.4.3流分類器網絡測試

4.4.4在線識別測試

4.5本章小結

本章參考文獻

第5章基于多重特征分類的P2P流量識別算法（MCC拟P2PIM）

5.1多重特征提取分類方法的設計思想

5.1.1P2P連接特征分析

5.1.2P2P深層數據包特征分析

5.1.3P2P流量統計特征分析

5.2MCC拟P2PIM系統的設計模型

5.2.1數據采集模塊的設計

5.2.2數據預處理模塊的設計

5.2.3多重特征提取模塊的設計

5.2.4多重特征識別模塊的設計

5.3MCC拟P2PIS系統設計與實現

5.3.1MCC拟P2PIM系統概述

5.3.2MCC拟P2PIS系統模塊設計與實現

5.4MCC拟P2PIS系統測試與結果分析

5.4.1計算數據包長抖動頻次的準確性測試

5.4.2BP網絡訓練測試

5.4.3多重特征流量識別的準確性和高效性測試

5.5本章小結

本章參考文獻

第6章基于SVM的P2P流量識別方法的設計與實現

6.1SVM原理

6.1.1統計學習理論

6.1.2SVM思想

6.1.3SVM核函數

6.1.4與SVM相關的技術研究

6.2基于改進SVM的P2P流量檢測模型

6.2.1針對大規模訓練集的支持向量機學習策略

6.2.2基于改進SVM的P2P流量檢測系統模型設計思路

6.2.3P2P流量特征分析

6.2.4基于SVM的P2P流量樣本剪裁方法

6.2.5基于改進SVM的P2P流量識別系統模塊設計

6.2.6基于SVM的P2P流量識別系統的配置

6.2.7基于SVM的P2P流量識別系統的測試與性能分析

6.3基于SVM與DPI的P2P流量識別方法

6.3.1研究背景

6.3.2主要思想

6.3.3基本方案

6.3.4系統實現

6.3.5系統測試與分析

6.4基于MSVM的P2P流量識別模型

6.4.1研究背景

6.4.2主要思想

6.4.3基本方案

6.5本章小結

本章參考文獻

第7章基于流特性描述的模糊識別算法

7.1背景介紹

7.2模糊集合

7.2.1模糊集合的概念

7.2.2隸屬函數的確定與選擇

7.2.3模糊集合的截集與模糊性的度量

7.3模糊綜合評價法

7.3.1模糊綜合評價法的術語及其定義

7.3.2模糊綜合評價法的特點

7.3.3模糊綜合評價法的應用程序

7.4模糊評判規則

7.4.1數據包集合的描述

7.4.2隸屬度函數的定義

7.5基于流特征描述的模糊識別方法(FCD)

7.6FCD模糊識別方法在識別網絡游戲中的應用和分析

7.6.1用FCD模式識別方法識別“魔獸世界”

7.6.2隸屬度函數分析

7.6.3結果分析

7.7FCD模糊識別方法在識別其他P2P中的應用

7.7.1Skype 特性

7.7.2Skype的檢測流程

7.7.3FCD模糊識別Skype的過程

7.8本章小結

本章參考文獻
序：