[发明专利]基于支持向量机的对等网络流量检测方法

权利要求书

1.一种基于支持向量机的对等网络流量检测方法，其特征在于该方法将支持向量机技术应用到实际网络中的P2P流量检测应用中，解决P2P流量的检测问题，该方法所包含的步骤为两个阶段：

第1阶段，支持向量机的训练阶段：

a.从网络上截取网络数据包，统计P2P流量和正常网络流量的样本数目，得到两类样本集Ξ₁，Ξ₂，样本数目分别是N₁、N₂，其中Ξ₁表示P2P流量样本集，Ξ₂表示正常流量样本集，N₁表示P2P流量样本数目，N₂表示正常流量样本数目，

b.对这些已知的正常流量数据集、P2P流量数据集进行特征处理，将之转化为数字向量形式，作为训练支持向量机的依据并存入数据库，

c.针对样本数据中P2P流量和非P2P流量数目不均衡情况下的支持向量机训练：

c1：对P2P流量，从Ξ₁中按照等概率的方法取得P2P流量数据样本集Ξ₃，样本数目为N₁′，满足N₁′＝N₂；

c2：根据网格搜索的参数搜索方法，确定支持向量机的参数C和γ，其中C为对样本的惩罚系数，γ为核函数参数，对样本集{Ξ₃，Ξ₂}进行支持向量机设计，获取参数W，ξ_i的值，其中W为最优超平面的法向量，ξ_i为松弛因子，i＝1……n；n是自然数；

c3：根据公式和C₁/C₂＝N₂/N₁计算此时的样本惩罚因子C₁、C₂，C₁表示对P2P流量样本的惩罚因子，C₂表示对正常流量样本的惩罚因子；X是样本；

c4：根据新的C₁、C₂，对样本集{Ξ₁，Ξ₂}进行支持向量机设计，获取此时参数W，ξ_i的值，其中W为最优超平面的法向量，ξ_i为松弛因子；

c5：根据公式和C₁/C₂＝N₂/N₁重新计算新的C₁、C₂，判断C₁、C₂的变化情况，如果变化小于所设定的阈值，即满足收敛条件其中δ为一百分比常数；C_j1，C_j0，j＝1，2分别表示当前时刻与前一时刻的C_j值；则获得最终基于两类流量检测的支持向量机模型，得到最终分类决策函数，否则返回步骤c4，

第2阶段，支持向量机的实际P2P流量决策阶段：

d.从网络上截取网络数据包，

e.对获取流量数据进行特征处理，将之转化为数字向量形式，作为训练支持向量机的依据并存入数据库，

f.根据SVM训练模型即最终分类决策函数得出分类结果并存入数据库，即如果最终分类决策函数f(x)大于0，表示该连接属于P2P流量，否则属于正常网络流量；

g.根据数据库中保存的决策结果，结合网络实际运行情况，进行P2P流量流量分析并作出相应控制。