罗 丞，叶 猛

(武汉邮电科学研究院电信系，湖北 武汉 430074)

随着宽带互联网时代的到来，用户对信息实时性的需求越来越高，随之出现了基于P2P技术的宽带共享工具。这类工具给用户带来了高实时性的体验，但同时也给宽带运营商带来了监管困难的窘境，识别这些应用产生的流量是目前运营商关注的重点。因此，针对P2P应用流量的识别技术应运而生。

目前主流的应用层协议识别技术主要分为以下3类［1］:基于应用协议固有特征的识别技术，应用层网关识别技术和行为模式识别技术。

基于P2P技术的软件将网络上原本孤立的服务器资源及P2P资源整合在一起，这使得其信令交互部分特征较为明显，而数据下载部分由于加密导致特征模糊。传统的指纹匹配技术致力于从算法优化角度改进匹配速度，但是在面对特征更加模糊的加密流量时，必须综合多种特征从多维度来识别，多维度带来的直接问题就是算法的复杂度呈指数级上升，太多特征导致系统处理过慢，用户响应时间过长，严重影响系统使用，而如果能够以较少量的特征来识别流量就可以加快识别过程，提升用户使用感受。当所要分析的对象特征太多、维度太高时，可以尝试通过某些有损的降低维度算法来降低冗余维度，保留主要维度，使得所分析对象特征更显清晰［2］。

尽管P2P加密流量的特征有很多，但可以通过降维来获取有用的少量特征。在本文中，采用主成分分析(Principal Component Analysis，PCA)［3］来使得 P2P 加密流量的复杂特征降维，以降低多维匹配带来的复杂性。……