[发明专利]基于朴素贝叶斯分类算法的P2P预测方法及系统、服务器及介质

权利要求书

1.一种基于朴素贝叶斯分类算法的P2P预测方法，其特征在于，所述基于朴素贝叶斯分类算法的P2P预测方法包括以下步骤：

S1、对网络包特征及属性进行五类划分，并定义特征属性的权重值；

S2、当网络包到达防火墙时建立网络会话，根据网络会话的五元组信息判断其传输层协议是否为TCP或UDP类型；

S3、在判断网络会话的传输层协议为TCP或UDP类型时，统计网络包的五类特征属性，根据朴素贝叶斯分类算法将网络会话的分类概率与样本库分类概率的比较，判断该网络会话是否为P2P连接类型；

所述网络包特征及属性的五类划分包括特征划分以及与特征对应的属性划分，具体划分如下：

第一特征划分：该用户所有会话五元组信息中，与该网络包的目的端口不同，源端口相同的会话个数；该特征对应的属性划分为：当会话个数为0时，当会话个数为1-2时，当会话个数大于等于3个时；

第二特征划分：网络包的目的端口；该特征对应的属性划分为：当网络包的目的端口为常用端口时、当网络包的目的端口为端口号0～1023时、当网络包的目的端口为端口号1024～8099时、当网络包的目的端口为端口号8100～65535时；

第三特征划分：网络包的协议类型；该特征对应的属性划分为：当网络包的协议类型为TCP时、当网络包的协议类型为UDP时；

第四特征划分：网络包到达时前3秒内的新建立的会话数；该特征对应的属性划分为：当新建立的会话次数为0～1次时，当新建立的会话次数为2～9次时，当新建立的会话次数为大于等于10次时；

第五特征划分：该用户是否连接已存在P2P会话；该特征对应的属性划分为：当该用户没有连接已存在P2P会话时、当该用户连接已存在P2P会话时；

所述朴素贝叶斯分类算法具体如下：

P0＝P(C₀|S_x1D_x2P_x3N_x4Y_x5)＝P(C₀)*P(S_x1|C₀)*P(D_x2|C₀)*P(P_x3|C₀)*P(N_x4|C₀)*P(Y_x5|C₀)/{P(S_x1)*P(D_x2)*P(P_x3)*P(N_x4)*P(Y_x5)}

P1＝P(C₁|S_x1D_x2P_x3N_x4Y_x5)＝P(C₁)*P(S_x1|C₁)*P(D_x2|C₁)*P(P_x3|C₁)*P(N_x4|C₁)*P(Y_x5|C₁)/{P(S_x1)*P(D_x2)*P(P_x3)*P(N_x4)*P(Y_x5)}

P＝P1/(P1+P0)

其中，

P(C₀)：样本库中的会话属于“非P2P”类型的概率；

P(C₁)：样本库中的会话属于“P2P”类型的概率；

S_x1,D_x2,P_x3,N_x4,Y_x5：分别代表五类特征对应的具体属性类型；

P(S_x1|C₀)：样本库中会话属于“非P2P”时，发生事件的Sx1(对应S0,S1,S2中的一个事件)概率；

P(C₀|S_x1D_x2P_x3N_x4Y_x5)：该会话属于“非P2P”类型的概率；

P(C₁|S_x1D_x2P_x3N_x4Y_x5)：该会话属于“P2P”类型的概率；

P为网络会话的分类概率。