[發(fā)明專利]基于特征關(guān)聯(lián)的對等網(wǎng)絡(luò)特征分析方法

無效

• 申請?zhí)枺?/td>: 201010207201.0
• 申請日: 2010-06-23
• 公開（公告）號: CN102299897A
• 公開（公告）日: 2011-12-28
• 發(fā)明（設(shè)計）人: 秦志光;張鳳荔;王勇
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L29/08;G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及網(wǎng)絡(luò)信息安全領(lǐng)域，具體涉及一種對等網(wǎng)絡(luò)(Peer-to-Peer?networking，P2P)特征分析方法。

背景技術(shù)

目前，對等網(wǎng)絡(luò)應(yīng)用在Internet網(wǎng)絡(luò)上的廣泛流行，已成為互聯(lián)網(wǎng)主流應(yīng)用技術(shù)。對對等網(wǎng)絡(luò)特征的測量、提取與分析，能夠有效指導(dǎo)新型P2P協(xié)議的設(shè)計與實現(xiàn)，并能夠?qū)τ谝?guī)模互聯(lián)網(wǎng)絡(luò)安全事件的檢測與預(yù)警提供可靠的數(shù)據(jù)保障。對等網(wǎng)絡(luò)系統(tǒng)具有大規(guī)模復(fù)雜性、強動態(tài)性、以及時空演進特性等特征。而從目前技術(shù)發(fā)展?fàn)顩r來看，絕大部分研究均局限于某個或某部分較為單一的網(wǎng)絡(luò)特征的測量與分析，且測量與分析方法還存在較大的局限性。然而，大量研究表明，單純將一部分特征割裂開來，進行單一角度、單一層次的檢測分析，而不是從宏觀上把握整個網(wǎng)絡(luò)的特征，從中得到的結(jié)論往往不夠全面準(zhǔn)確，致使難以很好反映對等網(wǎng)絡(luò)系統(tǒng)的真實狀態(tài)，甚至出現(xiàn)特征偏差。此外，隨著研究的不斷深入，一些新的網(wǎng)絡(luò)特征也不斷被提出來。這要求我們必須從網(wǎng)絡(luò)的時空靜態(tài)、動態(tài)特征，宏觀、微觀行為特征，以及用戶偏好特征等多個方面進行分析，通過關(guān)聯(lián)各層次特征，找到這些特征的相互內(nèi)在聯(lián)系，發(fā)現(xiàn)對等網(wǎng)絡(luò)系統(tǒng)的潛在隱藏特征。

發(fā)明內(nèi)容

為了克服現(xiàn)有方式方法測量手段單一、測量數(shù)據(jù)片面的問題，在分析歸類當(dāng)前主流對等網(wǎng)絡(luò)的基礎(chǔ)上，研究具備人工智能與自主學(xué)習(xí)能力的對等網(wǎng)絡(luò)特征挖掘技術(shù)，建立對等網(wǎng)絡(luò)主被動測量相結(jié)合的監(jiān)測體系，從對等網(wǎng)絡(luò)結(jié)構(gòu)、消息流量、用戶行為等多個層次，綜合發(fā)現(xiàn)對等網(wǎng)絡(luò)的新特征、隱藏特征，通過對對等網(wǎng)絡(luò)監(jiān)測結(jié)果時間、空間特征的跟蹤分析，建立對等網(wǎng)絡(luò)在上述各個特征層面上的演進規(guī)律模型，并探索對等網(wǎng)絡(luò)應(yīng)用綜合特征分析算法，實現(xiàn)了多層次、多特征的監(jiān)測和分析。

本發(fā)明主要解決了兩個問題：

(1)建立了對等網(wǎng)絡(luò)環(huán)境下性能參數(shù)測量體系，準(zhǔn)確提取對等網(wǎng)絡(luò)的多個重要特性，從結(jié)構(gòu)特征、流量特征、以及用戶行為特征等多個層次對對等網(wǎng)絡(luò)性能指標(biāo)進行監(jiān)測；

(2)通過數(shù)據(jù)挖掘、機器學(xué)習(xí)等技術(shù)，建立了對等網(wǎng)絡(luò)質(zhì)量評價分析模型，實現(xiàn)了對等網(wǎng)絡(luò)特征與特性的準(zhǔn)確把握，從而為對等網(wǎng)絡(luò)大規(guī)模安全事件應(yīng)急響應(yīng)提供基本的數(shù)據(jù)保障。

本發(fā)明具有以下特點：

(1)測量算法具有高效性和實時性，能實時監(jiān)測當(dāng)前對等網(wǎng)絡(luò)的性能指標(biāo)；

(2)具有自主學(xué)習(xí)能力，減少了人工干預(yù)；

(3)彌補了傳統(tǒng)的基于單一特征的測量分析方法缺點，使得測量分析結(jié)論更可靠；

(4)具備數(shù)據(jù)挖掘能力，能夠發(fā)現(xiàn)對等網(wǎng)絡(luò)隱藏特征。

附圖說明

圖1為整體框架流程圖；

圖2為基本網(wǎng)絡(luò)特征示意圖；

圖3為網(wǎng)絡(luò)重繪示意圖；

圖4為復(fù)雜網(wǎng)絡(luò)特征示意圖。

具體實施方式

本發(fā)明整體框架流程如下：

一、對網(wǎng)絡(luò)特征參數(shù)進行測量與統(tǒng)計。

一般而言，對等網(wǎng)絡(luò)抽象協(xié)議可描述如下：

1.加入對等網(wǎng)絡(luò)。節(jié)點v連接D個緩存點，緩存節(jié)點的選擇可以采用隨機選擇策略或其它更為復(fù)雜的選擇策略。

2.鄰居重連。當(dāng)節(jié)點v的鄰居離開網(wǎng)絡(luò)后，節(jié)點v將選擇新的緩存節(jié)點作為其鄰居，緩存節(jié)點的選擇策略可以是隨機選擇或更為復(fù)雜的策略。

3.緩存節(jié)點替換。當(dāng)緩存節(jié)點v的鄰居數(shù)超過C，或者離開對等網(wǎng)絡(luò)，需要選擇其它節(jié)點(非緩存節(jié)點)作為新的補充。設(shè)vk是緩存節(jié)點集合中第k個節(jié)點，則選擇的基本策略是：

k＝0；

while(沒有找到一個非緩存節(jié)點){

????在節(jié)點v_k的鄰居中尋找一個非緩存節(jié)點；

????k++；}

4.鄰居信息報告。當(dāng)節(jié)點v收到鄰居信息請求消息時，v將自己當(dāng)時所有鄰居的地址信息，以及自己的相關(guān)信息一同發(fā)送給請求者。

而對等網(wǎng)絡(luò)主動測量過程可以描述為：

1.預(yù)先收集對等網(wǎng)絡(luò)入口節(jié)點(緩存節(jié)點)的地址信息，將其保存到隊列Q中。其中，隊列Q中的元素是唯一的。

2.從隊列Q中每次取出m個未訪問的節(jié)點，獲取這些節(jié)點的信息以及其k個鄰居地址信息。

3.將k個鄰居節(jié)點地址信息保存到隊列尾部，保存m個節(jié)點的鄰居關(guān)系。

4.重復(fù)第2步，直到訪問完隊列Q中的所有節(jié)點或訪問了網(wǎng)絡(luò)中ε比例的節(jié)點。采用多點并行分布式測量策略，以及，提高了測量速度，減少了測量誤差。