专利名称：通信网络中识别点对点业务的方法及装置的制作方法
技术领域：
本发明涉及通信技术领域，尤其涉及在通信网络中对点对点业务进行识 别的方法及装置。
背景技术：
在传统模式下，典型的互联网传输形式是客户端对服务器的形式。如网
页浏览，客户端的PC机要先发出请求，然后从网站服务器上下载网页或程
序。这种模式在网页浏览时代尚可满足。但是随着音频、视频的大量出现， 服务器由于受制于带宽，便无法同时对更多的用户提供服务。点对点
(peer-to-peer, P2P )技术的出现解决了这个问题。P2P技术，即端到端对 等网络技术，是指网络主机在充当客户端获取资源的同时充当服务器向其它 对等体(Peer)提供服务。
然而，随着P2P技术应用的不断扩展，特别是用于基于P2P系统的文件 共享业务，P2P通信会占用较多的网络带宽，从而易于消耗大量的网络资源， 引起网络的拥塞。因此，需要对网络中的P2P业务进行控制，而对P2P业务 进行控制的前提是对P2P业务进行有效的识别。 目前有三种常用的P2P业务识别方法
方法一基于端口号来识别P2P业务。这是由于早期的P2P业务是通过 固定的端口号发送数据。例如，商用的Gnutella软件是通过6346或6347 端口号发送数据的，而另 一种商用软件DirectConnect是通过411或412端口 号发送数据的。因此，只需对P2P业务所采用的固定端口进行监控就能识别 出P2P数据流。不过，目前大多数P2P业务已使用动态随机端口号发送数据， 因此通过简单地基于端口号的分析方法很难识别、跟踪或控制P2P通信。
方法二基于网络流量的统计特征来识别P2P业务。这是由于纯P2P 流量有其独特的分布特征，具体表现为纯P2P业务的流量不但比传统业务的 流量大，而且在业务开始时会较为迅速地增加，并在稳定在一个较高的值附 近的一段时间后又急剧下降。因此根据P2P流量的独特分布特征，通常利用
网络流量统计中的一些分布变化情况来衡量P2P流量特征的信息量。目前一
些公司仍在使用这种技术。然而，当其他非P2P业务也产生较大流量时，会 对纯P2P业务流量的统计量产生影响。因此通过这种方式识别P2P业务会有
一定的误差。
方法三基于协议来识别P2P业务。这是由于每个P2P业务都有一个自 己的协议，每个协议都有其特定的协议标识符。因此，可通过检测网络中每 个数据包中的协议标识符来识别P2P业务。但是，这种方式需要对网络中每 一个数据包进行检测，因此会进一步加剧网络的延迟。
发明内容
基于上述问题，本发明提供了一种对等网络中对点对点业务识别技术。 通过此技术，能够准确并快速地识别点对点业务。
根据本发明的一个方面，本发明公开了 一种通信网络中识别点对点业务 的方法，包括
收集TCP (transmission control protocol,传输控制协i义)连才妻信息； 对所述TCP连接信息进行TCP连接数特性分析； 根据分析结果判断所述TCP连接所对应的业务是否为点对点业务。 其中，所述收集TCP连接信息的步骤可以包括以时间段为单位分组
统计TCP数据包，根据TCP数据包的包头信息获取TCP连接信息；所述
TCP连接信息包括TCP连接数、上传流量及总流量。 优选的，所述TCP连接数特性分析步骤包括
根据所述TCP连接信息生成用于TCP连接数特性分析的因素，所述因 素包括TCP连接数变化率、上传流量占总流量的平均百分比及上传流量。 可以利用模糊运算法则对所述因素进行TCP连接数特性分析。 优选的，所述利用模糊运算法则对所述因素进行TCP连接数特性分析 的步骤包括
对所述因素分别进行相应的隶属度函数运算，得到因素评估值矩阵； 将所述因素评估值矩阵和各相应的因素权值相乘，得到分析结果。 其中，通过柯西分布确定所述隶属度函数。
优选的，根据分析结果来判断所述TCP连接所对应的业务是否为点对 点业务的步骤包括
将分析结果与评估阈值比较，如果所述分析结果大于该阈值，则是点对 点业务；否则，不是点对点业务。
其中，在所述利用模糊运算法则对所述因素进行TCP连接数特性分析 步骤之前，还包括
判断TCP连接数变化率与变化率阈值的大小，如果所述TCP连接数变 化率大于该阈值，则保存并执行后面的步骤；否则，返回至收集TCP连接
信息步骤。
优选的，对所述TCP连接信息进行TCP连接数特性分析；根据分析结 果判断所述TCP连接所对应的业务是否为点对点业务，包括 比较TCP连接数与连接数阈值的大小；
如果所述TCP连接数大于该阈值，则是点对点业务；否则，不是点对 点业务。
其中，所述根据分析结果判断所述TCP连接所对应的业务是否为点对 点业务步骤之后还包括
若是P2P业务，将分析结果输出； 否则，返回至收集TCP连接信息步骤。
另 一方面，本发明还公开了 一种在通信网络中对点对点业务进行识别的 装置，包括数据收集单元、数据分析单元及评估单元；其中，
所述的数据收集单元可以为一个数据接收器，用于接收并收集TCP连 接信息；
数据分析单元对从所述数据收集单元收集到的TCP连接信息进行TCP 连接数特性分析；
所述评估单元根据所述数据分析单元的分析结果判断所述TCP连接所
对应的业务是否为点对点业务。
优选的，所述数据分析单元包括数据处理模块，数据分析模块。 所述的数据处理模块可以根据所述TCP连接信息生成用于TCP连接数
特性分析的因素。
所述的数据分析模块可以利用模糊运算法则对所述因素进行TCP连接 数特性分析。
优选地，所述数据分析模块包括评估值矩阵生成模块、分析结果生成 模块；
评估值矩阵生成^f莫块对所述因素分别进行相应的隶属度函数运算，得到
因素评估值矩阵；
分析结果生成模块将所述因素评估值矩阵和各相应的因素权值相乘，得
到分析结果。
其中，所述因素可以包括TCP连接数变化率。
所述装置还可包括判断模块，将由数据处理模块生成的TCP连接数变 化率与变化率阈值比较大小。如果所述TCP连接数变化率大于该阈值，则 将所述因素通过数据存储单元发送至数据分析模块；否则，指令数据收集单 元继续收集TCP连接信息。
其中，所述TCP连接信息可以包括TCP连接数。
所述数据分析单元将从数据收集单元收集到的TCP连接数与连接数阈 值比较大小；
所述评估单元根据所述数据分析单元的分析结果判断所述TCP连接所 对应的业务是否为点对点业务。
通过上述技术方案，本发明能够达到以下技术效果
首先，本发明的利用对对等网络中的TCP连接数量的统计特征进行点 对点的流量识别的手段。由于P2P通信的每一组连接都是TCP连接，因此 通过对数据包的识别可以较容易地获取到TCP连接信息。
其次，开始P2P业务时，由于节点和大量的节点建立连接，而每建立一 组连接往往都会发送大量的TCP连接请求数据包，因此会产生大量的TCP 连接数。所以通过对网络中TCP连接数特性分析能够准确的识别P2P业务。 尤其是，本发明采用了模糊运算法则，通过对TCP连接数等信息的综合评 估，使识别精度进一步提高。
最后，由于节点间可以通过发送同步比特/确认比特包(SYN/ACK)而 建立TCP连接，而本发明的方法和装置通过对网络中的SYN/ACK包的数量 进行统计从而得出TCP连接数，这种统计是实时并快速的，不会造成网络 的延迟。
图1为本发明P2P管理流程示意图2为本发明可管理P2P业务的IP网络结构图3为本发明P2P业务识别优选实施例一的流程示意图； 图4为本发明P2P业务识别优选实施例一的装置结构图； 图5为本发明P2P业务识别优选实施例二的流程示意图； 图6为本发明P2P业务识别优选实施例二的装置结构图。
具体实施例方式
分布式P2P通信根据其工作原理可划分成四个阶段，分别为发现和启 动阶段、共享阶段、查询和寻找阶段，以及下载阶段。在前三个阶段，节点 和目录服务器建立连接并加入P2P网络、发送上传文件列表、向目录服务器 查询并寻找存有感兴趣文件的其他节点。在下载阶段，所述节点根据目录服 务器提供的列表上的所感兴趣的其他节点信息， 一一建立连接，以完成文件 的互传。
一般情况下，为了保证P2P网络的正常工作，P2P协议会设置一个最大 连接数。在下载阶段，如果节点的连接数没有达到预置的最大连接数，那么 该节点就可以继续与更多的节点建立连接。通常，由于网络的延迟或丢包等 现象，或者由于用户的使用习惯， 一个节点在与多个节点建立连接时要发送 大量的连接请求信息。因而，当进行P2P业务时，节点间的TCP连接请求 信息数会明显上升。同时，由于节点与其他节点建立连接是在P2P业务开始 不久进行的，并且节点在建立起连接之后，不会再发送连接请求信息。因此， P2P业务的TCP连接数峰值出现在P2P业务开始不久。由于该峰值是由P2P 业务产生的，所以可通过该峰值来反映包括P2P文件共享及P2P流的特性。
本发明利用了 TCP的连接特性来识别并管理P2P业务。请参见图1所 示的本发明P2P管理流程示意图；其具体的P2P管理过程为
步骤101:收集用户终端的TCP连接信息；
步骤102:分析并判断所述用户终端的TCP连接是否为P2P业务的TCP 连接特性。若是，进入步骤103;否则，返回步骤101;
步骤103:认为用户终端为P2P用户，发送P2P分析结果；
步骤104:根据分析结果建立所述P2P用户终端策略，并控制服务质量；
步骤105:发送相关策略；
步骤106:根据所述策略进行付费、认证等相关管理。
请参见图2,在IP网络中，可通过三个逻辑功能模块来完成上述P2P
管理流程，即P2P识别模块201、 P2P策略与控制模块202、 P2P管理模块 203。其中，P2P识别模块201用来监控用户终端的TCP连接特性，判断所 述TCP连接所对应的业务是否为P2P业务，并将P2P业务的分析结果发送 至P2P策略与控制模块202, P2P策略与控制模块202根据该分析结果建立 所述P2P用户终端策略，控制通信的服务质量，并将相应的P2P用户终端策 略发送至P2P管理模块203。 P2P管理模块203根据从P2P策略与控制模块 202发来的P2P用户终端策略来完成付费、认证等相关的管理。
由上述描述可知，若对IP网络中的P2P业务的流量进行管理和控制， 需要先对P2P业务进行识别，然后再根据生成的P2P分析结果进行相应的管 理控制，以便保证网络的服务质量。
本发明提供的一种点对点业务识别的技术方案是收集TCP连接信息； 对所述TCP连接信息进行TCP连接数特性分析；根据分析结果判断所述TCP 连接所对应的业务是否为点对点业务。
请参见图3所示的本发明P2P通信流量识别方法的优选实施例一的流程 示意图。具体地，可以通过以下步骤完成本发明的方法
步骤301:收集TCP连接信息。
TCP连接信息包括用户终端在当前时段的TCP连接数，上传流量数和 总流量数。所述TCP连接信息有多种收集方式，例如可以在用户终端、网 关、路由器或者移动通信网络中的GGSN ( Gateway GPRS Support Node,即 网关GPRS支持节点)上，安装一个用于数据包分析的软件开发包SDK (Software Development Kit )，如优选的winPcap库欠件包。然后，利用该寿欠件 包对数据包的包头信息进行分析，收集TCP连接信息。若本发明应用在IMS 网络中，由于建立TCP连接之前要建立IMS会话，而IMS网络中的在线服 务器(Presence Server)能够记录在线用户的信息，因此可以在IMS网络中 通过在线服务器所记录的在线用户信息来获取TCP连接信息。
基于P2P通信的工作原理，在P2P业务开始后，该业务发起用户会和大 量其他用户建立TCP连接，发送建立TCP连接所需的连接请求包，例如同 步比特/确认比特包(SYN/ACK)。本发明通过对所述连接请求包的数量进行 统计来获取TCP连接数，并根据所述连接请求包的包头数据信息获取到上 传数据流量数和总流量数。本发明的收集方式优选地以时间段为单位进行收 集，所述时间段可根据实测数据预先设置，例如将30秒设为一个间隔。
步骤302 ~步骤303:处理TCP连接信息并判断保存。
首先，根据收集到的TCP连接信息生成TCP连接数变化率和平均百分 比，其中，所述TCP连接数变化率为当前时段的连接数与前一时段的连接 数的比值，平均百分比为相临几个时段的平均上传流量与总流量的百分比。
本发明取平均上传流量是因为，本领域技术人员知道，所有P2P业务， 尤其是P2P流媒体业务，其特点是用户只有在建立TCP连接并获得一定数 据后，才能够进行上传，并且上传流量增大至稳定是在用户的TCP连接数 趋于稳定之后，因此上传流量的增大并趋于稳定通常要晚于TCP连接数峰 值，所以为了使测量的数据更有利于准确判断，将上传流量测量的时间段设 置在TCP连接数峰值后不久，并取相临几个时间段的连接数的平均值，因 此所述平均百分比不是在TCP连接峰值出现时的上传流量与总流量的百分 比，而是在TCP连接峰值之后很短的时间内的几个时段的上传流量的平均 值与总流量的百分比。
其次，判断TCP连接数变化率与变化率阈值的大小，所述阈值是预先 设置的，其阈值范围优选地为大于等于4，本发明将变化率阈值优选设置为 4。当生成的TCP连接数变化率大于该阈值时，则保存所述TCP连接数变化 率、平均百分比以及上传流量值，并执行步骤304;否则，将处理结果丢弃 后返回步骤301。
步骤304:对变化率、百分比及上传流量值进行分析。
为了更好地进行分析，利用模糊运算法则对TCP连接数变化率、平均 百分比及上传流量值这三个因素进行分析，为了便于说明，这里将TCP连 接数变化率表示为Cr、平均百分比为^ 、上传流量值为tu。
首先，用相应的隶属度函数分别计算上述三个因素的数值。每一个函数 的结果包括两个值，分别表示是P2P业务的可能性及不是P2P业务的可能性。
为方便说明，定义U为上述三个因素组成的一个因素集，即"={紅"2，"3}, 其中，u,为Cr， U2为"，U3为tu。同时，定义V为每个因素的评估集，即 1/ =卜'"，其中，v,表示是P2P业务的可能性，V2表示不是P2P业务的可能 性。
利用相应的隶属度函数通过对每个因素从U到V的模糊映射，得到每 个因素的评估集
即
根据模糊识别的不同问题，可以有不同的隶属度函数设定方法。 一般来
说，主要有三种方法，即F统计方法、三分法、及通过F分布来确定隶属度
函数。由于此问题中需要构建两相函数，建议采用通过F分布来确定隶属度
函数。常见的分布包括矩形分布或半矩形分布、半梯形分布或梯形分布、抛
物形分布、正态分布、柯西分布与岭形分布。建i义选耳又4可西分布来确定隶属
度函数，这样可以获得较好的评判结果。
下文以Cr与"为例，根据实验获得数据选取柯西分布构建隶属度函数。
因素tu的隶属度函数也可以通过类似的方法获得。 例如，将Cr的经验性隶属度函数定义为
() "4
-^ Cr > 4
1 + 4(c「4)—2
通过对因素Cr的隶属度函数的计算，得到结果m，其值表示是P2P业
务的可能性。同时，将l-卬的结果作为不是P2P业务的可能性，即1"12,则
根据rn 、 1"12可得到因素0的评估集V,。
同样，可以如下定义因素^的经验性的隶属度函数
1 + 0.01(<9-0.25)一
61 S 25% S > 25%
通过对因素^的隶属度函数的计算，将其结果按照上述方法得到r21 、 r22 两个值分别表示是P2P业务的可能性和不是P2P业务的可能性，从而再根据 r21 、 r22得到因素^的评估集V2。
对于因素tu ,可同样按照上述方法，通过柯西分布构建的隶属度函数得
到因素tu的评估集V3，这里不再赘述。
再根据所述三个隶属度函数的结果生成一个评估值矩阵，即
<formula>formula see original document page 13</formula>
对于P2P业务的冷门文件，由于参与该文件互传的用户数量较少，导致 用户建立的TCP连接数较少，因此这类冷门文件的TCP连接数峰值不如P2P 业务中热门文件的TCP连接数峰值明显。而在一些极端情况下，某些非P2P 业务(例如web业务)也有可能在短时间内由于打开大量的网页而建立较多 的TCP连接，这时在连接数特性上会与冷门P2P业务的TCP连接特性较为 接近。这时单纯依赖TCP连接数变化率会难以准确区分。而根据P2P业务 特性，由于web业务所产生的上传流量远小于P2P业务，所以可通过因素 、,在流量上加以区分。由于因素tu只针对特殊情况，所以tu的权值低于其他 两个因素的权值。
由于所述三个因素的重要性不同，因此其权值不同，如可将三个因素的 权值分别设置为0.4、 0.4和0.2。定义A为所述三个因素的权值集，即 '4 = ("'，"2'"力，其中，"'为Cr的权值，"2为S的权值，"3为、的权值。
最后，通过S-4^计算三个因素的权值向量和评估值矩阵，得到一个综 合评估结果B。所述B有两个分量值，即"=(&62)，其中，/^表示是P2P业 务的可能性，^表示不是P2P业务的可能性。
步骤305:评估分析结果，判断所述TCP连接所对应的业务是否是P2P 业务。
根据生成的综合评估结果B并做出最终识别。识别的精度可以根据用户 的需要，通过调整其评估阈值来决定如果采用较低的精度，只需6'>&, 即此时所述评估阈值可设为0.5。当6'>0.5,则认为有关业务是P2P业务；反 之，则认为不是P2P业务。如果要提高精度，可适当提高评估阈值。当&大 于该评估阈值，则可认为有关业务是P2P业务；否则，不为P2P业务。
当分析结果表明有关业务是P2P业务时，执行步骤306;否则返回至步 骤301。
步骤306:将分析结果输出。
将是P2P业务的分析结果输出，然后P2P系统可根据所述分析结果建立 P2P策略并进行相应管理，进而控制服务质量。由于输出分析结果之后的管
理等工作不是本发明的保护内容，所以这里不再赘述。
基于上述技术方案，本发明还提供了一种用于实现点对点业务识别的装
置，包括数据收集单元401、数据分析单元402、及评估单元409。其中， 数据收集单元401将收集到的TCP连4妄信息llr出至凄t据分析单元402;所述 数据分析单元402对所述TCP连接信息进行TCP连接数特性分析；评估单 元409根据所述数据分析单元402的分析结果判断所述TCP连接所对应的 业务是否为点对点业务。
图4为本发明用于实现P2P业务识别的方法的实施例一的装置结构图。 所述装置包括数据收集单元401、数据分析单元402、存储单元405、评估 单元409，以及调节单元410。
其中，所述数据分析单元402包括数据处理模块403、判断模块404、 数据分析模块407;所述数据分析模块407包括评估值矩阵生成模块406、 分析结果生成模块408。
数据收集单元401用于检查数据包头，将TCP连接请求数据包以时间 段为单位分组收集，并将收集到的TCP连接信息输出至数据分析单元402 进行处理分析，所述TCP连接信息包括用户终端的TCP连接数、上传流量 数和总流量数。所述数据处理模块403根据所收集到的TCP连接信息生成 用于TCP连接数特性分析的因素，所述因素包括TCP连接数变化率和上传 流量占总流量的平均百分比。其中，所述TCP连接数变化率为当前时段的 连接数与前一时段的连接数的比值，平均百分比为相邻几个时间段的平均上 传流量与总流量的百分比。所述判断模块404 一艮据TCP连接数变化率与调 节单元410预先设置的变化率阈值的大小关系，来判断是否保存处理结果。 如果所述TCP连接数变化率大于变化率阈值，则将所述因素通过存储单元 405发送至数据分析模块407;否则，指令数据收集单元401继续收集TCP 连接信息。
数据分析模块407利用模糊运算法则将存储单元405中的因素进行TCP 连接数特性分析。所述的分析过程包括，评估值矩阵生成模块406对所述因 素分别进行相应的隶属度函数运算，得到因素评估值矩阵；分析结果生成模 块408将所述因素评估值矩阵和因素权值相乘，将生成的分析结果输出至评 估单元409。所述评估单元409根据调节单元410预置的评估阈值对该结果 进行最终分析，判断所述TCP连接所对应的业务是否为点对点业务。当是P2P业务时，所述评估单元409将P2P业务的结果输出；否则，指令数据收
集单元401继续收集TCP连接信息。
调节单元410用于设置收集时间段，以及调整所述三个因素的隶属度函 数、权值、变化率阈值及评估阈值。
本发明对P2P业务识别的方法，除了采用上述模糊算法对TCP连接数 变化率等因素进行分析外，还可以单纯通过对TCP连接数的分析来识别。 这是由于进行P2P业务时，业务节点会和其他节点建立大量的TCP连接进 行文件互传，P2P业务的TCP连接数要比其他非P2P业务的连接数多。所 以如果在一段时间内的TCP连接数比前一时段的数量大，则认为此刻大量 的TCP连接数为P2P连接数，该时段运行的业务为P2P业务。
图5为本发明对P2P业务识别的实施例二的流程示意图。该流程的具体 步骤为
步骤501:收集TCP连接数。
所述TCP连接信息包括用户终端在当前时段的TCP连接数、上传流量 数和总流量数。所述TCP连接信息有多种收集方式，例如可以在用户终端、 网关、路由器或者移动通信网络中的网关GPRS支持节点(Gateway GPRS S叩port Node, GGSN )上，安装一个用于数据包分析的软件开发包SDK (Software Development Kit),如一个优选的winPcap 4欠件包。然后，利用该 软件包对数据包的包头信息进行分析，收集TCP连接信息。本发明通过对 TCP的连接请求包数量进行统计来获取TCP连接数。收集的优选方式为以 一个时间段为单位收集，所述时间段可根据实测数据预先设置，如30秒为 一间隔。
若在IMS网络中，由于建立TCP连接之前要建立IMS会议，而IMS网 络中的在线服务器(Presence Server)能够记录在线用户的信息。因此，在 IMS网络中可通过在线服务器上记录的在线用户信息获取TCP连接数。
步骤502 ~步骤503:分析TCP连接数特性并判断所述TCP连接所对应 的业务是否为P2P业务。
对收集的P2P连接数与预置的连接数阈值进行比较分析，并根据分析结 果判断所述TCP连接所对应的业务是否为P2P业务。如果在一段时间内的 TCP连接数大于所述连接数阈值，则认为该时段运行的业务是P2P业务；否 则，不是P2P业务。
其中，所述连接数阈值可根据用户对识别精度的要求，经验性地进行设 置。例如，可以采集多组P2P业务的连接数据，取其中TCP连接数峰值较
低，但仍高于大多数非P2P业务的连接数峰值的数作为连接数阈值。上述提 供的设置方法只是其中一个实施例，其i殳置思想是，只要介于非P2P业务 TCP连接数峰值和P2P业务的TCP连接数峰值之间的数值，都能够作为连 接数阈值。由于所述阈值属于经验性设置，其设置方法不是唯一的，因此所 述阈值及其设置方法只要是基于上述思想的，都属于本发明所保护的范围。
当是P2P业务时，执行步骤504;否则返回至步骤501。
步骤504:将分析结果输出。
将是P2P业务的分析结果输出，然后P2P系统可#4居所述分析结果建立 P2P策略并进行相应管理，进而控制服务质量。将分析结果输出之后的管理 等工作不是本发明的保护内容，所以这里不再赘述。
基于上述技术方案，本发明还提供了一种用于实现P2P业务识别的方法 实施例二的装置，请参见图6。图6为本发明用于实现P2P业务识别的方法 实施例二的装置结构图。所述装置包括数据收集单元601 、数据分析单元602、 评估单元603以及调节单元604。其中，数据收集单元601用于检查数据包 头，并根据TCP连接请求数据包以时间段为单位分组收集TCP连接数，并 将收集到的TCP连接信息输出至数据分析单元602。所述数据分析单元602 通过对TCP连接数与连接数阈值比较大小，来进行TCP连接数特性分析。 评估单元603根据所述数据分析单元602的分析结果判断所述TCP连接所 对应的业务是否为点对点业务。如果在一段时间内的TCP连接数大于所述 连接数阔值，则所述评估单元603认为该时段所运行的业务是P2P业务，同 时将所述P2P业务的结果输出；否则，所述评估单元603指令数据收集单元 601继续收集TCP连接信息。
所述调节单元604用于设置收集时间段及连接数阈值。
以上所述的本发明实施方式，并不构成对本发明保护范围的限定。任何
在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本 发明保护范围之内。
权利要求
1、一种通信网络中识别点对点业务的方法，其特征在于包括收集TCP连接信息；对所述TCP连接信息进行TCP连接数特性分析；根据分析结果判断所述TCP连接所对应的业务是否为点对点业务。
2、 如权利要求1所述的方法，其特征在于，所述收集TCP连接信息包括以时间段为单位分组统计TCP数据包，根据TCP数据包的包头信息获 取TCP连接信息；所述TCP连接信息包括TCP连接数、上传流量及总流量。
3、 如权利要求l所述的方法，其特征在于，所述TCP连接数特性分析 包括根据所述TCP连接信息生成用于TCP连接数特性分析的因素，所述因 素包括TCP连接数变化率、上传流量占总流量的平均百分比及上传流量； 利用模糊运算法则对所述因素进行TCP连接数特性分析。
4、 如权利要求3所述的方法，其特征在于，所述利用模糊运算法则对 所述因素进行TCP连接数特性分析包括对所述因素分别进行相应的隶属度函数运算，得到因素评估值矩阵； 将所述因素评估值矩阵和各相应的因素权值相乘，得到分析结果。
5、 如权利要求4所述的方法，其特征在于，通过柯西分布确定隶属度 函数。
6、 如权利要求1或4所述的方法，其特征在于，所述根据分析结果判 断所述TCP连接所对应的业务是否为点对点业务的步骤包括将分析结果与评估阈值比较，如果所述分析结果大于该阈值，则是点对 点业务；否则，不是点对点业务。
7、 如权利要求3所述的方法，其特征在于，在所述利用模糊运算法则 对所述因素进行TCP连接数特性分析步骤之前，还包括判断TCP连接数变化率与变化率阈值的大小，如果所述TCP连接数变 化率大于该阈值，则保存并执行后面的步骤；否则，返回至收集TCP连接 信息步骤。
8、 如权利要求2所述的方法，其特征在于，对所述TCP连接信息进行 TCP连接数特性分析；根据分析结果判断所述TCP连接所对应的业务是否 为点对点业务，包括比较TCP连接数与连接数阈值的大小；如果所述TCP连接数大于该阈值，则是点对点业务；否则，不是点对 点业务。
9、 如权利要求6或8所述的方法，其特征在于，所述根据分析结果判 断所述TCP连接所对应的业务是否为点对点业务步骤之后还包括若是点对点业务，将分析结果输出； 否则，返回至收集TCP连接信息步骤。
10、 一种通信网络中识别点对点业务的装置，其特征在于包括数据收集 单元、数据分析单元及评估单元；其中，所述的数据收集单元收集TCP连接信息；所述的数据分析单元对从所述数据收集单元收集到的TCP连接信息进 行TCP连接数特性分析；所述的评估单元根据所述数据分析单元的分析结果判断所述TCP连接 所对应的业务是否为点对点业务。
11、 如权利要求IO所述的装置，其特征在于，所述数据分析单元包括 数据处理模块，数据分析模块；数据处理模块根据所述TCP连接信息生成用于TCP连接数特性分析的因素；数据分析模块利用模糊运算法则对所述因素进行TCP连接数特性分析。
12、 如权利要求11所述的装置，其特征在于，所述数据分析模块包括: 评估值矩阵生成模块、分析结果生成模块；评估值矩阵生成模块对所述因素分别进行相应的隶属度函数运算，得到 因素评估值矩阵；分析结果生成模块将所述因素评估值矩阵和各相应的因素权值相乘，得到分析结果。
13、 如权利要求11所述的装置，其特征在于，所述因素包括TCP连接数变化率；所述装置还包括判断模块，将由数据处理模块生成的TCP连接数变化 率与变化率阈值比较大小，如果所述TCP连接数变化率大于该阈值，则将 所述因素通过数据存储单元发送至数据分析模块；否则，指令数据收集单元 继纟卖收集TCP连接信息。
14、如权利要求IO所述的装置，其特征在于，所述TCP连接信息包括 TCP连接数；所述数据分析单元将从数据收集单元收集到的TCP连接数与连接数阈 值比较大小；对应的业务是否为点对点业务。
全文摘要
本发明公开了一种在通信网络中识别点对点业务的方法，包括收集TCP连接信息；对所述TCP连接信息进行TCP连接数特性分析；根据分析结果判断所述TCP连接所对应的业务是否为点对点业务。本发明还公开了一种在通信网络中用于识别点对点业务的装置，包括数据收集单元、数据分析单元及评估单元；其中，数据收集单元收集TCP连接信息；数据分析单元对从所述数据收集单元收集到的TCP连接信息进行TCP连接数特性分析；评估单元根据所述数据分析单元的分析结果判断有关业务是否为点对点业务。通过上述技术方案能够准确并快速地识别点对点业务。
文档编号H04L29/02GK101184081SQ200610148469
公开日2008年5月21日 申请日期2006年11月14日 优先权日2006年11月14日
发明者杨 刘, 颖 刘, 疆 常 申请人:西门子公司