P2P IPTV VoD系统测量与基于SVM的流量识别技术研究的综述报告.docx

P2PIPTVVoD系统测量与基于SVM的流量识别技术研究的综述报告
随着互联网的发展和带宽的提高，P2PIPTVVoD成为越来越普遍的一种视频传输方式。然而，P2PIPTVVoD系统也面临着一些问题，如流量管理和内容识别等方面的挑战。本篇论文将综述P2PIPTVVoD系统测量以及基于SVM的流量识别技术的研究进展。
P2PIPTVVoD系统测量
P2PIPTVVoD系统的测量旨在监控网络中的流量、节点、拓扑结构等参数，以改善系统的性能和稳定性。现有的P2PIPTVVoD系统的测量通常包括以下几个方面：
1.流量测量。流量测量是对网络中的数据流量进行实时监控和分析，可以帮助实现流量控制和负载均衡。常用的流量测量工具有Ntop、Wireshark等。
2.节点测量。节点测量是对P2PIPTVVoD系统中参与节点的状态进行监测和分析，可以提高系统的可靠性和相关度。常用的节点测量工具有Dumpper、Netstat等。
3.拓扑结构测量。拓扑结构测量是对连接P2PIPTVVoD系统节点的拓扑结构进行监测和分析，可以帮助实现最优的节点选择和数据传输。常用的拓扑结构测量工具有P2PAnalyzer、Welkin、pNetMon等。
上述测量方法可以对P2PIPTVVoD系统的性能和稳定性进行有效的评估和优化。不过，在实际应用中，要考虑测量的准确性、效率性和实用性等因素。
基于SVM的流量识别技术研究
流量识别是指对网络中的数据流量进行分类和识别，常用于协议识别、QoS保障、网络管理等方面。基于SVM的流量识别技术可以根据统计学习的方法，对数据流量进行特征提取和分类，具有较高的准确性和适应性。
基于SVM的流量识别技术主要有以下几类方法：
1.基于指纹的识别方法。该方法通过对数据流量进行特征提取和匹配，实现对不同协议的识别。常用的特征包括包大小、包间隔、流量周期等。
2.基于行为的识别方法。该方法通过对数据流量的行为模式进行分析，实现对不同应用协议的识别。常用的行为特征包括QoS参数、流量随机性、瞬时流量等。
3.基于混合模型的识别方法。该方法融合了指纹和行为特征，实现对不同协议和应用的识别。常用的混合模型包括SVM+HMM、SVM+NB等。
基于SVM的流量识别技术已广泛应用于网络管理、流量控制、网络安全等领域。但是，由于网络中的数据流量具有高度动态性和复杂性，基于SVM的流量识别技术在实际应用中仍面临一些挑战和限制。
综合分析以上的研究进展，可以看出测量和识别技术在P2PIPTVVoD系统中的应用和重要性。未来研究可以加强测量和识别技术在系统性能和稳定性方面的优化和应用。