پارس پروژه (پرتال خدمات دانشگاهی)

T35 -آموزش شناسايی و طبقه بندی ترافيک شبکه های نظيربه نظير با استفاده از تكنيك های يادگيری ماشين

کد محصول35 T

فایلWORD

120 صفحه

18000 تومان

دانلود فایل بلافاصله بعد از خرید

فصل اول: مقدمه 1

فصل دوم: معرفي شبکه‌هاي نظير به نظير 5
2-1- مقدمه 6
2-2- معرفي شبكه‌هاي نظيربه‌نظير 6
2-3- ويژگيهاي مهم شبکه‌هاي نظيربه‌نظير 8
2-3-1- طبيعت پيشا شبكه‌هاي نظيربه‌نظير 9
2-3-2- ظرفيت و قابليت اعتماد محدود نظيرها 9
2-3-3- استقلال نظيرها 10
2-3-4- الگوي پردازش در شبكه‌هاي نظيربه‌نظير 10
2-3-5- مزايا و معايب سامانه‌هاي نظيربه‌نظير 11
2-4- مدل معماري سامانه‌هاي نظيربه‌نظير 12
2-4-1- مديريت همپوشاني 12
2-5- کاربرد‌هاي پروتكل‌هاي نظيربه‌نظير 15
2-5-1- اشتراک پرونده 15
2-5-2- پخش رسانه و توزيع محتوا با پهناي باند بالا 16
2-5-3- سامانه‌هاي ذخيره‌سازي 17
2-5-4- اشتراک توزيع‌شده چرخه‌هاي CPU 18
2-6- مشکلات حاصل از رواج کاربردهاي نظيربه‌نظير 19
2-6-1- تعريف صورت مسئله 21

فصل سوم: يادگيري ماشين و کاربردهاي آن در طبقه‌بندي ترافيک 23
3-1- مقدمه 24
3-2- معرفي يادگيري ماشين 24
3-3- کاربرد يادگيري ماشين در طبقه بندي ترافيک IP 32
3-3-1- آموزش و آزمايش طبقه‌بنديکننده ترافيک يادگيري ماشين نظارت‌شده: 33
3-4- مسائل موجود در توسعه يک طبقه‌بندي‌کننده کاربردي 36
3-4-1- طبقه‌بندي بهنگام و پيوسته 37
3-4-2- بيطرفي هدايتي 37
3-4-3- استفاده بهينه از حافظه و پردازنده‌ها 38
3-4-4- قابليت‌حمل و قدرت 38
3-5- شبکه‌هاي پرسپترون‌ چندلايه 39
3-5-1- معرفي شبکه‌‌هاي پرسپترون چندلايه 39
3-5-2- خلاصه الگوريتم پسانتشارخطا (B.P) 41

فصل چهارم: کارهاي مرتبط 45
4-1- مقدمه 46
4-2- روش‌هاي خوشه‌بندي 46
4-2-1- خوشه‌بندي ترافيک با استفاده از به حداکثررساني انتظار 46
4-2-2- شناسايي خودکار کاربرد با استفاده از AutoClass 47
4-2-3- شناسايي کاربردهاي مبتني بر TCP با استفاده از K-Means ساده 48
4-2-4- شناسايي ترافيک وب و P2P در هسته شبکه 48
4-3- روش‌هاي نظارت‌شده 49
4-3-1- روش آماري مبتني بر امضاء با استفاده الگوريـتم‌هاي NN، LDA و QDA 49
4-3-2- طبقه‌بندي با استفاده از روش‌هاي تحليل Bayesian 50
4-3-3- طبقه‌بندي ترافيک بلادرنگ با استفاده از ويژگي‌هاي چندين زير-جريان 50
4-3-4- روش‌هاي طبقه‌بندي مبتني بر GA 50
4-4- روش‌هاي ترکيبي 51

فصل پنجم: جمع‌آوري ترافيک 53
5-1- مقدمه 54
5-2- انواع داده‌هاي ترافيک شبکه 54
5-2-1- محتواي بسته 54
5-2-2- سرايند بسته 55
5-2-3- جريان ترافيک 56
5-3- انتخاب نوع داده 56
5-4- جمع‌آوري داده‌هاي جريان 58
5-4-1- پروتکل NetFlow 58
5-4-2- پياده‌سازي نرم‌افزار جمع‌آوري‌کننده NetFlow 62
5-4-3- جمع‌آوري داده‌هاي NetFlow 63
5-5- جمع‌آوري محتواي بسته 64
5-5-1- پياده‌سازي نرم‌افزار جمع‌آوري‌کننده محتواي بسته 66

فصل ششم: شناسايي و طبقه‌بندي ترافيک P2P 69
6-1- مقدمه 70
6-2- مرحله 1: شناسايي ترافيک P2P 71
6-2-1- طراحي و آموزش شبکه‌هاي عصبي 71
6-2-2- نمودار بلوکي بخش شناسايي ترافيک P2P 79
6-3- مرحله 2: طبقه‌بندي ترافيک P2P 80
6-3-1- روش کار طبقه‌بندي‌کننده P2P 81
6-3-2- پياده‌سازي طبقه‌بندي‌کننده ترافيک P2P 82
6-4- نتايج پياده‌سازي 86
6-4-1- محدوديت‌ها 86
6-4-2- ارزيابي مرحله اول (شناسايي ترافيک P2P) 87
6-4-3- ارزيابي مرحله دوم (طبقه‌بندي ترافيک P2P) 92
6-4-4- ارزيابي سربار محاسباتي روش پيشنهادي 93

فصل هفتم: نتيجه‌گيري و پيشنهادات 95
7-1- جمع‌بندي مطالب 96
7-2- پيشنهادات 96
7-2-1- افزودن قابليت يادگيري برخط 96
7-2-2- به روزرساني برخط امضاء‌ها 97
منابع 99

فهرست شكل‌ها
شکل ‏2 1سهم حجم ترافيک پروتکلهاي مختلف نظيربهنظير در حجم کلي ترافيک نظيربهنظير 8
شکل ‏2 2 سهم تعداد پروندههاي مختلف در پروندههاي بهاشتراکگذاشتهشده در شبکه نظيربهنظير BitTorrent 8
شکل ‏2 3سهم حجم پروندههاي ويدئويي و صوتي نسبت به ساير پروندهها 8
شکل ‏2 4 مقايسه مدل سطح بالا و ساده‌شده الگوي نظيربهنظير با مدل خدمتگزار - مشتري 11
شکل ‏2 5 مدل سادهشده از نرمافزار نصبشده بر روي هر نظير 12
شکل ‏2 6 مقايسه حجم ترافيك Peer-to-Peer با ساير موارد استفاده از اينترنت 21
شکل ‏3 1مراحل آموزش و آزمايش براي يک طبقه بندي‌کننده  يادگيري ماشين نظارت‌شده 34
شکل ‏3 2 آموزش طبقه‌بندي‌کننده ترافيک يادگيري ماشين نظارت‌شده 35
شکل ‏3 3نمودار جريان داده در يک طبقه‌بندي‌کننده ترافيک يادگيري ماشين نظارت‌شده 36
شکل ‏3 4 شبکه پرسپترون سه لايه 40
شکل ‏5 1 نحوه ارتباط بخش‌هاي جمع‌آوري‌کننده داده‌هاي جريان و محتواي داده 57
شکل ‏5 2 زمانبندي جريان 60
شکل ‏5 3 پيکربندي شبکه جمع آوري داده‌هاي جريان 64
شکل ‏5 4 گراف روزانه (ميانگين 5 دقيقه) 65
شکل ‏5 5 گراف ماهيانه (ميانگين 2 ساعت) 65
شکل ‏5 6گراف ساليانه (ميانگين 1 روز) 65
شکل ‏5 7 قالب پيام تشخيص 66
شکل ‏6 1گراف تعاملات سطح شبکه پروتکل‌هاي Soribada (سمت راست) و HTTP (سمت چپ) (شکل از[62]) 72
شکل ‏6 2 نمودار محاسبه ويژگي‌هاي 1 و 4 براي پروتکل‌هاي Web، Gnutella، emule و BitTorrent 74
شکل ‏6 3 نمودار محاسبه ويژگي‌هاي6 و 8 براي پروتکل‌هاي Web،Gnutella، emule و BitTorrent 75
شکل ‏6 4نمودار محاسبه ويژگي‌هاي 9 و 10 براي پروتکل‌هاي Web، Gnutella، eMule و BitTorrent 76
شکل ‏6 5 طراحي اوليه شبکه عصبي 77
‏6 6 نمودار بلوکي بخش شناسايي ترافيک P2P 80
شکل ‏6 7  نمودار بلوکي طبقه‌بندي‌کننده ترافيک P2P 81
شکل ‏6 8 ميزان تغييرات دقت با تغيير تعداد ترون‌هاي لايه پنهان 88
شکل ‏6 9ميزان تغييرات دقت با تغيير بازه‌هاي زماني دريافت ترافيک 89
شکل ‏6 10 ميزان تغييرات دقت با تغييرات دو پارامتر بازه زماني جمع‌آوري ترافيک و تعداد نرون‌هاي لايه پنهان 90
شکل ‏6 11نتايج استفاده از ترکيبات مختلف ويژگي‌هاي ده‌گانه 91
شکل ‏6 12دقت شناسايي ترافيک 10 ميزبان در بازه زماني 1 ساعت 92
شکل ‏6 13 ميزان بهروري پردازنده مسيرياب اصلي شرکت سپنتا در يک سال گذشته 94
 
فهرست جداول
جدول ‏5 1 قالب سرايند NetFlow نسخه 5 61
جدول ‏5 2 قالب رکورد NetFlow نسخه 5 62

 

 

ارسال نظر


کد امنیتی
بارگزاری مجدد

نظرات  

 
#2 محسن در تاریخ: د 10 آذر 1393 ، ساعت 09:09 ب ظ
:D :lol: :-)
نقل قول
 
 
#1 محسن در تاریخ: د 10 آذر 1393 ، ساعت 09:09 ب ظ
:-) :lol: :P
نقل قول
 

راهنمای خرید

تحلیل آماری پایان نامه ها

تحلیل آماری فصل 4 پایان نامه طرح های تحقیق و پروژه های علوم انسانی با نرم افزارهای  AMOSSPSSLISREL  ،  PLS 

مدل سازی و برازش مدل برای پایان نامه های علوم انسانی  

09372555240

فیس بوک پارس پروژه  تویتر پارس پروژه  پینترست پارس پروژه  کلوب پاس پروژه

 تلگرام پارس پروژه  اینستاگرام پارس پروژه  لینکدین پارس پروژه  گوگل  پلاس پارس پروژه  

logo-samandehi

نحوه ی خرید

 شماره پشتیبانی و تلگرام 09372555240

 1- پرداخت اینترنتی: برای پرداخت اینترنتی اینجا کلیلک کنید

2.کارت به کارت: با استفاده از پایانه های خود پرداز مبلغ محصول را به شماره کارت زیر انتقال داده و سپس  4 رقم آخر کارت،ادرس ایمیل و کد محصول را برای ما پیامک یا ایمیل نمائید  6104337867130005 به نام علی اصغر رحیمی موحد بانک ملت

3: واریز نقدی به شماره حساب  ۱۲۶۰۸۹۳۱۴۵ وسپس شماره فیش ادرس ایمیل و کد محصول  را برای ما پیامک یا ایمیل نمائید

این آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید