P2P traffic detection method based on BP neural network under the environment of the present invention relates to SDN, comprising the following steps: 1) to construct BP neural network model in the SDN environment, the BP neural network model input includes features for distinguishing P2P flow, the output of the BP neural network model for P2P traffic detection results; step 2) by setting the input normalization formula of the above-mentioned characteristics directly into the neural network training; step 3) repeat step 2) with the increase of training algebra, the output after a first one output error approaching to a certain value, the convergence of neural network, BP neural network model to complete the training. And will complete the BP neural network model trained by the detection and analysis of the remaining data. The beneficial effects are as follows: the P2P traffic detection method of this application is based on many data, digging and analyzing it deeply, finding out the information that distinguishes between P2P traffic and non P2P traffic, and provides the basis for network administrator to judge P2P behavior.
【技术实现步骤摘要】
SDN环境下基于BP神经网络的P2P流量检测方法
本专利技术涉及SDN环境下P2P流量检测技术,尤其涉及一种SDN环境下基于BP神经网络的P2P流量检测方法。
技术介绍
SDN网络中研究成果很多,但是却很少有针对SDN下P2P流量检测方法的研究,因此本文选择SDN中的P2P流量检测方法进行研究。对于经过网络设备的P2P流量来说,其是由众多的小的数据包组成,对单独的数据包研究存在以下问题,一是将单个数据包归类为某一类数据包是无意义的,因为相似的数据包很多,某一种大小的数据包可以由任何软件产生。二是单个数据包难于反映整体情况,因为只有知道数据包的前面一个数据包和后面一个数据包才能连贯的分析数据包的情况。在对网络数据通过传统方法进行监测的时候,通常会存储下来大量的流量信息,它们以一定的格式存储在数据库中,供人们对历史数据进行检查。而许多机房的流量检测系统,通常会存有很多的历史数据,虽然这些检测系统会对历史数据做一些简单的分析,但是并没有对繁多的数据进行更深一步的挖掘,忽略了数据中隐藏的很多有价值的信息。传统方法采用离线P2P流量检测方法,该方法作用于存储设备中的流量信息,通过对存储设备中的流量信息进行统计分析、提取特征,并最终利用特征拟合成的模型。该方法可以应用于网络使用情况分析,例如当一个网络发生拥塞的时候,假设怀疑导致其拥塞的原因是过多的用户采用P2P软件下载文件,在进行网络拥塞原因分析时,可以首先提取离线P2P流量检测方法所需要的流量特征,利用离线的P2P流量检测方法进行分析,确定流量信息中哪些是P2P流量,哪些不是P2P流量。确定下来P2P流量之后,就可 ...
【技术保护点】
一种SDN环境下基于BP神经网络的P2P流量检测方法,其特征在于包括如下步骤:步骤1)在SDN环境下构建BP神经网络模型,所述BP神经网络模型的输入包括用于区分P2P流量的特征,BP神经网络模型的输出为P2P流量检测结果;步骤2)通过设定的归一化公式将所述特征直接带入神经网络进行训练;步骤3)通过Sigmoid激活函数决定神经网络的每一个节点的最终输出值;步骤4)重复步骤2)步骤3)随着训练代数的增加,当当前的输出结果和前一次的输出结果误差逼近至一常数时,神经网络完成收敛,BP神经网络模型完成训练,并将完成训练的BP神经网络模型分析检测其余的数据。
【技术特征摘要】
1.一种SDN环境下基于BP神经网络的P2P流量检测方法,其特征在于包括如下步骤:步骤1)在SDN环境下构建BP神经网络模型,所述BP神经网络模型的输入包括用于区分P2P流量的特征,BP神经网络模型的输出为P2P流量检测结果;步骤2)通过设定的归一化公式将所述特征直接带入神经网络进行训练;步骤3)通过Sigmoid激活函数决定神经网络的每一个节点的最终输出值;步骤4)重复步骤2)步骤3)随着训练代数的增加,当当前的输出结果和前一次的输出结果误差逼近至一常数时,神经网络完成收敛,BP神经网络模型完成训练,并将完成训练的BP神经网络模型分析检测其余的数据。2.根据权利要求1所述的SDN环境下基于BP神经网络的P2P流量检测方法,其特征在于所述步骤1)中用于区分P2P流量的特征包括五个维度,分别是平均包大小、平均流持续时间、流量大小、交互的IP数量以及端口数量。3.根据权利要求2所述的SDN环境下基于BP神经网络的P2P流量检测方法,其特征在于主机端口号分布大于1024设定为P2P流量行为。4.根据权利要求1所述的SDN环境下基于BP神经网络的P2P流量检测方法,其特征在于所述P2P流量检测结果为两个,分别为10和01编码输出,10表示神经网络的输出不是P2P流量,01表示神经网络的输出是P2P流量。5.根据权利要求1所述的SDN环境下基于BP神经网络的P2P流量检测方法,其特征在于所述归一化公式如式(1):式中,Value当前需要处理的值,MinValue表示在当前属性列当中所有值的最小值,M...
【专利技术属性】
技术研发人员:施佺,刘德靖,曹阳,孙玲,许致火,邵叶秦,朱森来,沈琴琴,
申请(专利权)人:南通大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。