邢剛 付榮 宋利

【摘要】? ? 當(dāng)前因特網(wǎng)多媒體視頻流業(yè)務(wù)增長迅速，有效識別網(wǎng)絡(luò)流量P2P（Peer to Peer）視頻流服務(wù)是一項(xiàng)重要挑戰(zhàn)。本文提出一種基于機(jī)器學(xué)習(xí)的P2P視頻流識別技術(shù)。該技術(shù)中視頻流特征分析系統(tǒng)包括數(shù)據(jù)報(bào)采集、處理、分流和屬性特征計(jì)算模塊。其次，提出了基于統(tǒng)計(jì)方法的P2P視頻流數(shù)據(jù)報(bào)特征挖掘方法。仿真實(shí)驗(yàn)驗(yàn)證了所提出方法的高效性和準(zhǔn)確性，能夠較好的滿足P2P視頻流識別。

【關(guān)鍵詞】? ? P2P視頻流? ? 流量識別? ? 特征分析? ? 機(jī)器學(xué)習(xí)

引言：

當(dāng)前，伴隨多媒體技術(shù)與P2P（Peer to Peer）網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展，基于P2P的視頻流應(yīng)用已成為網(wǎng)絡(luò)用戶流量數(shù)據(jù)中的關(guān)鍵組成部分[1]?；诜植际降腜2P技術(shù)具有傳統(tǒng)客戶端/服務(wù)器架構(gòu)技術(shù)所不具備的特點(diǎn)與優(yōu)勢。采用P2P技術(shù)實(shí)現(xiàn)多媒體流服務(wù)，讓用戶從分布式環(huán)境獲取流媒體資源，這樣能夠有效地降低終端用戶對服務(wù)器性能的需求，降低網(wǎng)絡(luò)通信開銷和帶寬資源，有效地提高流媒體的服務(wù)質(zhì)量。研究人員為解決P2P視頻流服務(wù)中的安全問題，針對P2P技術(shù)的視頻流進(jìn)行有效識別，是實(shí)現(xiàn)網(wǎng)絡(luò)可管理、可控制的關(guān)鍵技術(shù)。

目前，基于P2P的視頻流識別技術(shù)分為三類，分別是基于端口的P2P流媒體識別技術(shù)、基于流量特征的P2P流媒體識別技術(shù)和基于深層數(shù)據(jù)報(bào)檢測的P2P流媒體識別技術(shù)。

基于端口的P2P流媒體識別技術(shù)， 該技術(shù)通過識別P2P流量中數(shù)據(jù)報(bào)的端口字段，所識別出的字段能夠準(zhǔn)確檢測出流量所屬P2P協(xié)議，亦能夠排除其他端口的非P2P應(yīng)用。該字段再用于特定端口號匹配，這樣的方式能夠發(fā)現(xiàn)潛在的特定P2P流媒體。該類技術(shù)通過基于端口的識別技術(shù)不易受數(shù)據(jù)包丟失、亂序影響，具有較好的魯棒性等特征。

基于流量特征的P2P流媒體識別技術(shù)，它能夠解析其網(wǎng)絡(luò)數(shù)據(jù)報(bào)的傳輸層所展現(xiàn)出的流量特征，實(shí)現(xiàn)基于特征匹配的流媒體識別。常見的流量特征包含：節(jié)點(diǎn)角色分析、流量統(tǒng)計(jì)、網(wǎng)絡(luò)直徑計(jì)算法[2-3]。

基于深層數(shù)據(jù)報(bào)檢測的P2P流媒體識別，該方法需要訪問數(shù)據(jù)包內(nèi)部有效載荷，挖掘終端用戶的應(yīng)用層數(shù)據(jù)，基于協(xié)議與還原技術(shù)檢測數(shù)據(jù)報(bào)中是否含有特定協(xié)議字符串，以此來判斷數(shù)據(jù)報(bào)是否屬于P2P流媒體[4-5]。此類方法具有優(yōu)越的擴(kuò)展性，對已知協(xié)議的P2P應(yīng)用具有準(zhǔn)確的識別率。

現(xiàn)有P2P視頻流識別技術(shù)，均建立在傳統(tǒng)P2P應(yīng)用流量識別技術(shù)之上，為了提升基于P2P的視頻流識別方法的有效性和準(zhǔn)確率，本文提出基于統(tǒng)計(jì)特征與機(jī)器學(xué)習(xí)的視頻流識別方法。該方法采用機(jī)器學(xué)習(xí)中分類與聚類對P2P視頻流的流量特征進(jìn)行統(tǒng)計(jì)，從而能夠有效識別。

一、P2P視頻流特征分析

1.1 P2P視頻流特征分析系統(tǒng)

P2P視頻流特征分析系統(tǒng)：通過采集網(wǎng)絡(luò)數(shù)據(jù)報(bào)作為系統(tǒng)輸入項(xiàng)，經(jīng)過各模塊的挖掘處理，最終獲取P2P視頻流的統(tǒng)計(jì)特征。為了實(shí)現(xiàn)特定P2P視頻流統(tǒng)計(jì)特征分析，通常在采集數(shù)據(jù)報(bào)時(shí)，需要屏蔽其他P2P視頻流服務(wù)。數(shù)據(jù)報(bào)分流能夠?qū)崿F(xiàn)預(yù)處理，將數(shù)據(jù)以流形式存儲在流隊(duì)列中。針對流量分析統(tǒng)計(jì)，采用模塊類包，包括數(shù)據(jù)報(bào)的采集與挖掘、數(shù)據(jù)報(bào)的分流處理、特征屬性值統(tǒng)計(jì)與計(jì)算。

1.2 P2P視頻流特征分析模塊

本文所提出的，視頻流量特征分析系統(tǒng)包含有四個(gè)功能模塊：數(shù)據(jù)報(bào)采集模塊、數(shù)據(jù)報(bào)處理模塊、數(shù)據(jù)報(bào)分流模塊和特征屬性計(jì)算模塊。下面針對系統(tǒng)內(nèi)的四個(gè)功能模塊詳細(xì)解析：

在前期階段，系統(tǒng)需要感知數(shù)據(jù)，數(shù)據(jù)報(bào)采集模塊能夠?qū)崿F(xiàn)從互聯(lián)網(wǎng)絡(luò)抓取特定P2P視頻流數(shù)據(jù)樣本，采用開源軟件包、爬蟲技術(shù)實(shí)現(xiàn)采集純凈的網(wǎng)絡(luò)數(shù)據(jù)報(bào)。

針對所采集到的數(shù)據(jù)，數(shù)據(jù)報(bào)處理模塊能夠?qū)Σ杉臉颖緮?shù)據(jù)報(bào)進(jìn)行標(biāo)注和預(yù)處理，獲取數(shù)據(jù)報(bào)五元組信息，目的是便于后續(xù)的分流工作;處理過程中還需要挖掘出一些特征信息，如數(shù)據(jù)報(bào)大小、數(shù)據(jù)報(bào)到達(dá)時(shí)間、TTL（Time To Live）取值，這些提供給特征屬性計(jì)算模塊完成統(tǒng)計(jì)。

數(shù)據(jù)報(bào)分流模塊可以實(shí)現(xiàn)流層面P2P視頻流特征的統(tǒng)計(jì)分析。首先，分流模塊將具有相同五元組信息（源IP、目的IP、源端口、目的端口、TCP/UDP協(xié)議）的數(shù)據(jù)報(bào)視作同一條流;再將擁有相同五元組信息的數(shù)據(jù)報(bào)劃分至同一條矩陣列表流，存儲于流隊(duì)列中。

最終，特征屬性計(jì)算模塊實(shí)現(xiàn)對流隊(duì)列的挖掘與處理。該模塊對每一條流完成統(tǒng)計(jì)，遍歷流中所有數(shù)據(jù)報(bào)信息完成集合與計(jì)算，獲取每一條流的特征屬性值，最后計(jì)算出所有流的屬性值。

二、基于機(jī)器學(xué)習(xí)的P2P視頻流識別方案

基于機(jī)器學(xué)習(xí)的P2P視頻流識別方案結(jié)構(gòu)如圖1所示。在視頻流學(xué)習(xí)之前，需要對每條視頻流量完成分流處理，提取相應(yīng)的流屬性特征，采用分類學(xué)習(xí)算法挖掘此實(shí)例所屬的流量類別。運(yùn)用Wireshark開源軟件進(jìn)行數(shù)據(jù)報(bào)的采集，將樣本數(shù)據(jù)分為訓(xùn)練集和檢測集。將訓(xùn)練集樣本數(shù)據(jù)導(dǎo)入流量特征分析系統(tǒng)，最終實(shí)現(xiàn)分類處理。該方案中采用有監(jiān)督的機(jī)器學(xué)習(xí)方法標(biāo)注流的類別作為數(shù)據(jù)報(bào)的預(yù)處理，分類器與流量分類均在Weka開源數(shù)據(jù)挖掘軟件中實(shí)現(xiàn)。

三、實(shí)驗(yàn)仿真與結(jié)果分析

驗(yàn)證本文所提出的基于機(jī)器學(xué)習(xí)的P2P視頻流識別技術(shù)，構(gòu)建實(shí)驗(yàn)仿真平臺，通過局域網(wǎng)采集P2P視頻流數(shù)據(jù)報(bào)，針對PPLive、PPS和QQLive三種P2P視頻流服務(wù)分別進(jìn)行流量特征選擇。實(shí)驗(yàn)采用Weka開源數(shù)據(jù)挖掘平臺實(shí)現(xiàn)機(jī)器學(xué)習(xí)算法，通過界面操作進(jìn)行算法參數(shù)配置，針對訓(xùn)練數(shù)據(jù)集樣本采用十字交叉法對構(gòu)建模型進(jìn)行評估。仿真實(shí)驗(yàn)選取機(jī)器學(xué)習(xí)算法中典型的分類算法：貝葉斯網(wǎng)絡(luò)（BayesNet）、K最近鄰法（KNN）和RandomTree進(jìn)行P2P視頻流識別。算法評價(jià)指標(biāo)為測試時(shí)間與準(zhǔn)確率，用來評估所提出方法性能。

實(shí)驗(yàn)組一：算法評估測試時(shí)間指分類算法對測試樣本識別執(zhí)行時(shí)間，將視頻流訓(xùn)練樣本數(shù)據(jù)建模，再對樣本數(shù)據(jù)進(jìn)行流量識別。仿真實(shí)驗(yàn)所得結(jié)果表示為：選擇的機(jī)器學(xué)習(xí)分類算法時(shí)間開銷最短為RandomTree等于26.35秒，BayesNet測試時(shí)間次之為81.62秒，KNN測試時(shí)間為312.74秒不能夠滿足實(shí)際應(yīng)用。算法測試時(shí)間越長則表明算法的效率越差。

實(shí)驗(yàn)組二：在該實(shí)驗(yàn)組中，TTL值作為視頻流隊(duì)列中的基本屬性之一，作為特征變量進(jìn)行P2P視頻流的識別，選取三組不同實(shí)驗(yàn)數(shù)據(jù)集，仿真結(jié)果如圖2所示。圖2（1）中為包含TTL值的識別準(zhǔn)確率，圖2（2）表示為樣本數(shù)據(jù)中不含TTL值識別結(jié)果。由圖可知，不含TTL值的流屬性在識別過程中的正確率明顯下降，含有TTL值的流隊(duì)列識別正確率較高。

實(shí)驗(yàn)組準(zhǔn)確率表示為特定P2P視頻流媒體（PPTV、PPS、QQlive）的識別正確率，其中基于BayesNet的識別率為92.34%、92.38% 、91.75%;基于KNN的識別率93.27%、90.47%、93.51%;基于RandomTree的識別率為92.17%、93.74%、90.41%。通過以上數(shù)據(jù)顯著看出不同分類算法在不同類型的P2P視頻流識別上準(zhǔn)確性差異較小。實(shí)驗(yàn)結(jié)果表明該算法和流量屬性的選擇在一定情況下，數(shù)據(jù)源中各流量類型的組成比例對流量識別的正確率影響不大。

四、結(jié)束語

P2P視頻流的識別是實(shí)現(xiàn)網(wǎng)絡(luò)流量安全管理的關(guān)鍵機(jī)制。本文提出一種基于機(jī)器學(xué)習(xí)的P2P視頻流識別技術(shù)，基于流隊(duì)列構(gòu)建出視頻流特征分析系統(tǒng)，系統(tǒng)包括數(shù)據(jù)報(bào)采集模塊、數(shù)據(jù)報(bào)處理模塊、數(shù)據(jù)報(bào)分流模塊和特征屬性計(jì)算模塊;該識別技術(shù)采用統(tǒng)計(jì)方法進(jìn)行特征選擇，挖掘P2P視頻流的數(shù)據(jù)報(bào)數(shù)量特征、數(shù)據(jù)報(bào)長度特征、流持續(xù)時(shí)間和TTL分布特征。仿真實(shí)驗(yàn)采用Weka開源數(shù)據(jù)挖掘平臺對所提出方法進(jìn)行驗(yàn)證，仿真結(jié)果表明所提出的P2P視頻流識別技術(shù)是有效的，具有較高準(zhǔn)確率和較低計(jì)算時(shí)間開銷。

參? 考? 文? 獻(xiàn)

[1]賀文華，劉浩，賀勁松.P2P網(wǎng)絡(luò)現(xiàn)狀與發(fā)展研究[J].軟件工程，2019，22（4）：1-5.

[2]龍軍，王宇樓，袁鑫攀，張華超.P2P流媒體網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)識別算法[J].計(jì)算機(jī)工程與科學(xué)，2019，41（1）：56-64.

[3]魏赟，韓少恒.基于帶寬預(yù)測的流媒體超級節(jié)點(diǎn)選擇算法[J].計(jì)算機(jī)應(yīng)用與軟件，2016，33（8）：179-182.

[4]楊戈，劉智鵬.面向流媒體基于蟻群的副本選擇算法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2019，28（2）：190-195.

[5]潘向輝，陳亞軍，吳學(xué)毅. 基于節(jié)點(diǎn)能力度的P2P流媒體資源調(diào)度算法[J]. 計(jì)算機(jī)工程， 2019， 45（5）： 226-231.