基于流量和payload雙重特征識別P2P流量

文/盧慧李華吳承勇

基于流量和payload雙重特征識別P2P流量

文/盧慧1,2李華1,2吳承勇1,2

隨著Internet的飛速發(fā)展，網(wǎng)絡(luò)應(yīng)用層出不窮，除了傳統(tǒng)的Web、FTP、Email外，出現(xiàn)了高清晰音視頻傳輸和交流，電影、游戲、音樂下載等數(shù)據(jù)流量劇增的各種P2P應(yīng)用。P2P共享軟件以其獨特的優(yōu)勢為用戶提供更為快捷的資源共享方式，因此受到廣大用戶的喜愛，但隨著其用戶數(shù)量的急劇增加，也給校園網(wǎng)絡(luò)帶寬帶來了巨大的壓力，并對校園網(wǎng)絡(luò)流量產(chǎn)生了根本影響。

1.校園網(wǎng)絡(luò)出口的上行流量遠(yuǎn)大于下行流量：對于傳統(tǒng)的網(wǎng)絡(luò)應(yīng)用，校園網(wǎng)絡(luò)出口流量必然是下行大于上行。對于P2P應(yīng)用，由于該網(wǎng)絡(luò)中邏輯相鄰節(jié)點的地理位置可能相隔甚遠(yuǎn)，而參與P2P網(wǎng)絡(luò)的節(jié)點數(shù)量又非常大，這就直接導(dǎo)致在校園網(wǎng)網(wǎng)絡(luò)出口的上行流量明顯大于下行流量，尤其是外網(wǎng)流量，因用戶訪問教育網(wǎng)外網(wǎng)站較多，使得上行流量遠(yuǎn)大于下行流量。

2.流量內(nèi)容發(fā)生改變：隨著P2P應(yīng)用的普及，校園網(wǎng)絡(luò)出口流量的內(nèi)容也發(fā)生了一系列改變。比如傳統(tǒng)網(wǎng)絡(luò)應(yīng)用所占比例減少，P2P應(yīng)用明顯增加；80端口的流量明顯高于其他端口，其次是P2P軟件的常見端口（4662、16881、8000、8080），其他使用較頻繁端口的流量在總流量中所占比例很小，但剩余端口的流量和占TCP總流量較大比例，這是近年來大量P2P軟件使用動態(tài)端口造成的；流量中主要是1400字節(jié)以上的大包，其次是通常用于TCP同步的40字節(jié)、48字節(jié)的小包，其他長度包長的流量分布較散。

3.網(wǎng)絡(luò)流量不可預(yù)知性：為提高數(shù)據(jù)交換效率，P2P軟件在啟動時會建立大量的連接，使得網(wǎng)絡(luò)流量突然增加，并在相當(dāng)長的一段時間內(nèi)維持較大的網(wǎng)絡(luò)流量。然而在P2P網(wǎng)絡(luò)中，不同節(jié)點對病毒的抵御能力是不同的，某個感染病毒節(jié)點會通過內(nèi)部共享和通信機(jī)制將病毒擴(kuò)散給其鄰節(jié)點，甚至可以在短時間內(nèi)造成網(wǎng)絡(luò)擁塞甚至癱瘓。

因此，隨著P2P應(yīng)用的迅速普及，如何對校園網(wǎng)絡(luò)流量進(jìn)行有效地管理，阻止突發(fā)流量對網(wǎng)絡(luò)帶寬的過多消耗，防止路由器隊列延遲、抖動和丟包，已成為校園網(wǎng)絡(luò)管理者研究的重要課題。

基于流量和payload雙重特征識別P2P流量的方法

目前P2P流量的識別方法很多，典型的有IP地址識、端口匹配、流統(tǒng)計特性法、基于會話的分類、TCP/UDP IP Pair法、（IP，Port）Pair法、雙向識別、拓?fù)涮匦宰R別、應(yīng)用協(xié)議分析、業(yè)務(wù)特性識別、深層數(shù)據(jù)包檢測技術(shù)。可以把如上的P2P流量識別技術(shù)歸結(jié)為兩類：深層數(shù)據(jù)包檢測（DPI）技術(shù)和深度流行為檢測（DFI）識別技術(shù)，它們存在明顯的優(yōu)缺點，表1對它們進(jìn)行了比較。

本文在現(xiàn)有P2P流量識別技術(shù)的基礎(chǔ)上設(shè)計了一種基于流量和payload雙重特征識別P2P流量的方法。

識別流程

在識別流量的過程中，首先獲得一個待檢測報文，然后用端口匹配法過濾掉使用常用端口的流量，接著使用流量特征匹配確認(rèn)該報文是否符合P2P流量特征，如果符合，再進(jìn)行payload匹配以判斷其應(yīng)用類型。識別流程如圖1所示。

本文基于payload特征的識別采用參考文獻(xiàn)的方法，這里不再贅述。下面詳細(xì)介紹基于流量特征（flow_match()）的識別方法。

確定流量特征

1.流量特征分析

在校園網(wǎng)絡(luò)中，P2P主機(jī)S既是服務(wù)器又是客戶機(jī)，表現(xiàn)出如下特征：

既有大量流入的連接，又有大量流出的連接。

圖1 P2P流量識別流程

表1 P2P流量識別技術(shù)比較

上行流量與下行流量大體對稱。

根據(jù)以上特性可以做如下統(tǒng)計：

（1）統(tǒng)計在某段時間內(nèi)S連入連接與連出連接之比，并與使用傳統(tǒng)網(wǎng)絡(luò)應(yīng)用的主機(jī)的經(jīng)驗觀測值（本文經(jīng)驗觀測值為3）作比較，即公式1，就可以判斷主機(jī)S是否參與P2P。其中Sin表示主機(jī)S的連入連接，Sout表示主機(jī)S的連出連接，為觀測值。

（2）統(tǒng)計某個連接上的上行流量和下行流量之比，即公式2，當(dāng)這個比值在一定范圍內(nèi)時，就認(rèn)為這個連接是P2P連接。其中Tup表示某個連接上的上行流量，Tdown表示某個連接上的下行流量，θ為觀測值。

（3）統(tǒng)計主機(jī)S上所有上行流量與下行流量之比，即公式3，當(dāng)這個比值在某個范圍之間，則判定該主機(jī)參與P2P。其中表示主機(jī)S上所有上行流量，表示主機(jī)S上所有下行流量，為觀測值。

圖2 實驗拓?fù)?/p>

表2 識別方案比較

2.實現(xiàn)方法

觀測某主機(jī)一段時間內(nèi)連入連接和連出連接之比，找出可能參與P2P的主機(jī)；在這些可疑主機(jī)的每個端口上觀測上行與下行流量之比，若該端口上下行流量對稱，則該端口是該主機(jī)的P2P端口，該端口上的所有連接都是P2P連接，其連接對端主機(jī)也參與P2P，且該連接是P2P連接。

驗證與分析

1.驗證目的：驗證基于流量和payload雙重特征識別P2P流量的方法的識別能力。

2.驗證環(huán)境：原型系統(tǒng)采用的操作系統(tǒng)環(huán)境是Linux2.4.20-8，使用Netfilter作為截獲數(shù)據(jù)包的平臺，采用LibPcap捕獲數(shù)據(jù)包，使用C語言作為開發(fā)語言。

實驗拓?fù)淙鐖D2所示，在一個小的局域網(wǎng)內(nèi)，有3臺可以進(jìn)行P2P的Window客戶端，1臺Linux主機(jī)作為服務(wù)器，并為局域網(wǎng)提供NAT，流量識別程序部署在Linux主機(jī)上。

3.驗證方法：分別用DPI法和本文提出的雙重特征識別方法進(jìn)行流量識別，并列表比較。

方案一：用本文提出基于流量和payload雙重特征識別方法

方案二：用DPI方法

192.168.0.2進(jìn)行BT下載、skype聊天；192.168.0.3主機(jī)打游戲、電驢下載和skype通話；192.168.0.4上網(wǎng)、電驢下載、FTP下載。

Skype流量采用加密技術(shù)，沒有凈荷特征，在本實驗過程中，只有電驢、BT、Skype三種P2P業(yè)務(wù)，所以在對BT、電驢分類后，剩下的流量即可歸結(jié)為Skype流。

兩個方案分別運行五分鐘，手動記錄數(shù)據(jù)，統(tǒng)計結(jié)果見表2。并通過重復(fù)多次實驗均可得到同樣的結(jié)果。

4.分析與結(jié)論

通過對表2進(jìn)行分析可知：方案一和方案二都可以識別出已知協(xié)議的P2P流量（比如BT和電驢），方案一還可以識別出一些加密的沒有凈荷特征的P2P流（如Skype流），而方案二不能識別加密流。

本文使用其他P2P軟件，通過多次實驗對兩種方案進(jìn)行比較，均可得到同樣的結(jié)果。

所以，本文提出的基于流量和payload雙重特征的方法可以識別某些新型加密的P2P應(yīng)用。

本文提出了一種基于流量和payload雙重特征識別P2P流量的方法，該方法可以識別未知和加密的P2P流量，文章通過實驗驗證了它的可行性。下一步計劃運用于校園網(wǎng)中，真正幫助校園網(wǎng)絡(luò)有效管理、利用P2P應(yīng)用，在保證關(guān)鍵應(yīng)用的基礎(chǔ)上讓用戶體驗P2P帶來的樂趣，使校園網(wǎng)絡(luò)以較高性能運轉(zhuǎn)。

（作者單位：1為內(nèi)蒙古大學(xué)計算機(jī)學(xué)院，2為內(nèi)蒙古大學(xué)網(wǎng)絡(luò)信息中心）