"这篇论文探讨了基于行为特征的多重P2P流量测量方法,由魏志华、李凡和何宏亮撰写,他们来自武汉理工大学计算机学院。文章指出,随着P2P流量在互联网流量中的占比增加,识别P2P流量变得至关重要。作者分析了P2P的特性,并提出了一种利用多重行为特征来分类P2P流量的方案,该方案信息需求量小,能有效识别未知P2P流量。论文中提到了两种现有的P2P流量识别方法:基于负载层特征串识别和基于流量行为特征的识别,前者需要预先知道特征字符串,后者则能识别未知和加密流量。论文提出的新型方法结合了这两种方法的优点,通过IP地址、端口和协议类型等基本信息进行流量分类,并通过实验证明了其有效性。P2P网络的特性在于其分布式结构,每个节点既是服务器也是客户端,这给流量测量带来了挑战。"
本文研究的核心在于P2P流量的识别技术。随着P2P技术在即时通信、文件交换和分布计算等领域的广泛应用,P2P流量占据了互联网流量的主导地位。传统基于端口的流量检测方法已无法应对P2P流量的识别需求,因为P2P流量通常使用http通道和随机端口,增加了检测难度。
目前,识别P2P流量的主流方法有两种。一种是基于负载层特征串识别,依赖于预先知道的特征字符串,这种方法简单且准确,但如果流量的特征字符串未知或被加密,就无法有效识别。另一种是基于流量行为特征的方法,它通过分析流量的不可隐藏行为来分类,虽然准确性相对较低,但能够识别未知类型和加密流量。
论文作者提出了一种新的P2P流量分类方法,该方法结合了行为特征和负载层特征串识别,利用网络数据包中的IP地址、端口和协议类型等易于获取的信息,实现P2P流量的分类。这种方法的优势在于即使在特征字符串未知的情况下也能进行有效的流量识别,提高了分类的广度和深度。通过实际测试,该方法表现出了较好的性能。
P2P网络的特性是每个节点同时扮演服务器和客户端的角色,这种模式颠覆了传统的客户端-服务器架构。尽管一些P2P网络仍有服务器用于提供连接信息,但它们不再承担数据提供者的角色。这一特性使得P2P流量呈现出复杂多变的行为模式,对流量测量提出了更高的要求。
该论文贡献了一种创新的P2P流量识别策略,旨在解决当前流量测量的挑战,提高网络管理的效率和准确性,对P2P流量的监控和管理提供了有力的技术支持。