董仕1,2,3,4，王岗2,3,4

(1.周口师范学院 计算机科学与技术学院，河南 周口 466001；2.东南大学 计算机科学与工程学院，江苏 南京 210092；3.江苏省计算机网络技术重点实验室，江苏 南京 210092；4.国家教育部计算机网络和信息集成重点实验室，江苏 南京 210092)

1 引言

网络技术的成熟和互联网带宽的不断增长使得P2P应用越来越普及，如何有效地管理和控制网络中的P2P流量，以保证其他网络业务的需要并使网络得以正常运行已成为目前网络管理中必须要面对的一个问题。据统计中国国内互联网流量中UDP比例已接近 50%[1,2]，而西方国家同期的数据大约仅为20%[3,4]。国内互联网UDP流量比例远高于西方的主要原因是由于国内 P2P应用被广泛使用。高UDP比例流量网络的运行风险要更高，这是因为当拥塞发生时，UDP流量会对TCP流量产生抑制[5]，而网络上所有重要数据均采用TCP传递。所以对P2P流量进行有效的管理在中国显得更加重要。

对P2P流量进行有效管理的前提是对P2P流量的准确识别。目前传统的应用类型识别主要分3类:基于端口[6]、基于机器学习[7～11]和基于深度报文检测(DPI)[12～15]。P2P应用普遍使用随机动态端口，基于特定端口的检测方法已不适用，而DPI方法基于全报文检测需要已知特征码，对加密P2P应用束手无策。基于机器学习的方法可以在流层面完成基于流量行为特征检测，但算法复杂度高，识别率低，漏报率和误报率较大。目前并没有一个能够得到公认的有效面向P2P应用的识别算法。本文的研究工作围绕P2P流量识别这个基本问题展开，研究工作基于扩展的流记录进行。……