ARES P2P资源共享协议分析技术研究

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (24): 1-5.

ARES P2P资源共享协议分析技术研究

李致远1，2

1.江苏省无线传感网高技术研究重点实验室，南京 210003
2.江苏大学计算机科学与通信工程学院，江苏镇江 212013

出版日期:2016-12-15 发布日期:2016-12-20

Analysis and research on ARES P2P file sharing protocol

LI Zhiyuan1，2

1.High Technology Research Key Lab of Wireless Sensor Networks, Nanjing 210003, China
2.School of Computer Science and Telecommunication Engineering, Jiangsu University, Zhenjiang, Jiangsu 212013, China

Online:2016-12-15 Published:2016-12-20

摘要/Abstract

摘要： 近年来，内容服务提供商提出离线下载的缓存服务解决方案，旨在大幅度提升对等（Peer-to-Peer，P2P）文件传输性能，解决长期以来由拓扑失配所导致的性能下降问题。而实现缓存服务解决方案的关键在于对P2P协议的分析。针对在南美区域较为流行的ARES协议展开技术研究。首先采用小波支持向量机模型将ARES P2P协议报文从抓取到的网络报文中进行分离，然后综合各类逆向协议分析的方法和技术分析出完整的ARES P2P协议报文格式和报文发送时序。最后，通过ARES离线下载实验验证ARES P2P协议分析的正确性和完整性。

关键词: 对等资源共享, 协议分析, 支持向量机, 离线下载

Abstract: Recently, the content service providers propose the offline-download caching service solutions to significantly enhance the P2P file transfer performance and eliminate the effect of topology mismatch. The key issue of the caching service solution lies in the analysis of P2P protocols. In this paper, the popular ARES protocol in South America is deeply studied. Firstly, the proposed wavelet support vector machine model is used to separate the ARES P2P protocol packets from the captured network packets. And then, various reverse protocol analysis technologies are used to analyze and identify the ARES P2P protocol message formats and the time sequences of messages. Lastly, the correctness and completeness of the ARES protocol analysis are verified by the ARES offline-download experiment.

Key words: P2P resource sharing, protocol analysis, support vector machine, offload

李致远1，2. ARES P2P资源共享协议分析技术研究[J]. 计算机工程与应用, 2016, 52(24): 1-5.

LI Zhiyuan1，2. Analysis and research on ARES P2P file sharing protocol[J]. Computer Engineering and Applications, 2016, 52(24): 1-5.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[3]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[4]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[5]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[6]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[7]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[8]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[9]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[10]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[11]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.
[12]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[13]	陈菲雨，岳文斌，饶颖露，邢金昊，马晓静. 基于改进TLD算法的无人机自主精准降落[J]. 计算机工程与应用, 2020, 56(7): 247-254.
[14]	马玲，罗晓曙，蒋品群. 基于模板匹配和支持向量机的点阵字符识别研究[J]. 计算机工程与应用, 2020, 56(4): 134-139.
[15]	张忠林，冯宜邦，赵中恺. 一种基于SVM的非均衡数据集过采样方法[J]. 计算机工程与应用, 2020, 56(23): 220-228.