资源下载地址：https://download.csdn.net/download/sheziqiong/85651565

开发过程文档-DHT 嗅探器

运行及测试

参数设置：

# 线程数
THREAD_NUMBER = 3
# 线程持续时间SLEEP_TIME2 = 60*10

可正常运行，并生成相应 HASH.log 文件。

问题与解决

问题-1：参考的代码为数据库方式保存数据，不论是 MySQL 还是 Redis 等数据库都需要额外配置与安装，不方便。

解决：采用 log 模块，考虑到实际上长期保存 node 并不合适，同时数据库也不便于老师检阅，采用简单方便易管理的 log 更符合需求，具体实现如下：

stdger = logging.getLogger("std_log")   2. fileger = logging.getLogger("file_log")3.def initialLog():stdLogLevel = logging.DEBUGfileLogLevel = logging.DEBUGformatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')stdout_handler = logging.StreamHandler()stdout_handler.setFormatter(formatter)file_handler = logging.FileHandler("HASH.log")file_handler.setFormatter(formatter)logging.getLogger("file_log").setLevel(fileLogLevel)logging.getLogger("file_log").addHandler(file_handler)logging.getLogger("std_log").setLevel(stdLogLevel)logging.getLogger("std_log").addHandler(stdout_handler)

问题 -2 ： Becoding 编码的库选取 from bencode import

bencode,bdecode,BTL，报错解决：采用 import bencoder

问题-3：导入 bencoder 库后，bencode 与 bdecode 仍提示报错

解决：导包时要导 pip install bencoder.pyx 下的 bencoder

问题-4：单独定义路由表

class KTable(): def __init__(self): self.nodes = deque(maxlen=MAX_NODE_QSIZE)

在 DHT 里引用时报错

解决：将其改为 DHT 里的 self.nodes

问题-5：进程开始后，嗅探一直没有结果，尝试加减线程调整网络环境无果解决：发现问题在于

中 time.sleep(SLEEP_TIME)处在前文参数设置中为 SLEEP_TIME = 60*10 与后面的线程持续时间重名，遂改为 SLEEP_TIME1 = 1e-5 即 0.00001 秒加以区分。

def receive_response_forever(self): self.bootstrap() while self.isWorking: try: data, address = self.udp.recvfrom(UDP_RECV_BUFFSIZE) msg = bencoder.bdecode(data) self.on_message(msg, address) time.sleep(SLEEP_TIME) except Exception: pass

问题-6：当线程持续时间 SLEEP_TIME2 = 20，无结果

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-05FZ5wgQ-1655290816148)(https://www.writebug.com/myres/static/uploads/2022/6/9/0181b1326d61dfced3ce6e5dd1ba6a04.writebug)]

解决：线程持续时间太短，经尝试 1min 以上可以保证获取 infohash。

问题-7：如何保证速度，是否可以提升速度？解决：采用了多线程的方式，更快更高效，具体实现如下

class DHT(Thread):
def __init__(self, bind_ip, bind_port, process_id, master):
Thread.__init__(self)
self.isWorking = True
self.sfnf_thread = Thread(target=self.send_find_node_forever)
self.rrf_thread = Thread(target=self.receive_response_forever)
self.bst_thread = Thread(target=self.bs_timer)
self.master = master
def start(self): self.sfnf_thread.start() self.rrf_thread.start() self.bst_thread.start() Thread.start(self) return self def stop(self): self.isWorking = False if __name__ == "__main__": initialLog() threads = [] for i in range(THREAD_NUMBER): port = i + SERVER_PORT stdger.debug("start thread %d with port %d" % (i, port)) dht=DHT(SERVER_HOST, port, "thread-%d" % i, Master()) dht.start() threads.append(dht) sleep(1) sleep(SLEEP_TIME2) k = 0 for i in threads: stdger.debug("stop thread %d" % k) i.stop() i.join() k=k+1

其他-2：在优化上有没有更好的思路？

答：如果说最原始的嗅探器是单线程的，那么多线程与异步可以对其进行优化。异步和多线程两者都可以达到避免调用线程阻塞的目的，从而提高软件的可响应性。在我的作业中我采用了多线程并成功实现了提速，但可惜的是在尝试使用异步时出现了错误，完全仿照他人的代码也无法正常获取 infohash。对于 Python 来说不像 JS 天然带有异步，需要额外的模块辅助，如 asyncio、Twisted、Gevent。在 https://github.com/whtsky/maga 采用的就是 asyncio ，在

https://github.com/wuzhenda/simDHT 则采用了 twisted。但是，由于 Twisted、

Gevent 实际上是 Python 2 时代的产物，且太重回调太多，基于的协程的 asyncio 在 Python 3.4 被引入到标准库后已经不太适用 Python3 时代了。在我的个人尝试中可能也是由于 Python3 与 Gevent 和 Twisted 不兼容所导致的失败。

其他-3：获取的 infohash 并非是可用的，原因？答：在说明文档中提到，get_peers 和 announce_peer 请求包含了所需的 infohash 信息，我们也是通过 get_peers 和 announce_peer 来获取 infohash。但是， get_peers 中包含的 infohash 对应的种子可能已经失效或者难连接上，事实上此时对方也是在查找对应 infohash 的种子文件，这里获取的 infohash 质量较差。当收到 announce_peer 消息时，这里携带的 infohash 的质量更高，因为它表示控制该节点的下载者开始下载资源了，当前对方正在指定端口下载该种子文件的 metadata 信息。

其他-4：如何利用 infohash 真正意义上的下载资源？

答：只要找到一个种子的下载者(peer)就可以使用 BEP-9: Extension for Peers to

Send Metadata Files 拓展协议从该下载者(peer)处下载种子元信息(info)，同样可以使用元信息(metadata)的 infohash 来验证该信息的真实性，当然也可以从它那下载资源。
质量较差。当收到 announce_peer 消息时，这里携带的 infohash 的质量更高，因为它表示控制该节点的下载者开始下载资源了，当前对方正在指定端口下载该种子文件的 metadata 信息。

其他-4：如何利用 infohash 真正意义上的下载资源？

答：只要找到一个种子的下载者(peer)就可以使用 BEP-9: Extension for Peers to

Send Metadata Files 拓展协议从该下载者(peer)处下载种子元信息(info)，同样可以使用元信息(metadata)的 infohash 来验证该信息的真实性，当然也可以从它那下载资源。

资源下载地址：https://download.csdn.net/download/sheziqiong/85651565

基于Python实现的DHT嗅探器相关推荐

基于Python实现的网络嗅探器【100010784】
基于C语言的网络嗅探器一.引言 1.1 编写目的通过编写网络嗅探器,可以提高编程能力,加深对网络协议的理解,培养团队协作能力,完成课程项目二.功能概述 2.1 节功能模块命名原则使用英文进行 ...
python调用libpcap_libPcap(基于C)接受基于Python的Socket程序 - python
亲爱的大家: 我使用基于python的套接字客户端发送字符串数据(即日志数据). 另一方面,我使用libpcap嗅探服务器端的字符串数据. 但是,当我第二次将字符串数据发送到服务器端时,在客户端出现了 ...
【CV】OpenCV（基于Python）学习笔记
以下内容中的页码均来自<OpenCV 4详解 : 基于Python> 目录第2章载入.显示与保存数据 2.2 图像的读取与显示 2.2.1 图像读取函数 cv.imread() 2.2 ...
基于Python的人工智能美颜系统
基于Python的人工智能美颜系统使用PyQt5模块搭建可视化界面,使用Dlib模型(shape_predictor_68_face_landmarks.dat)实现人脸关键点检测和定位,人脸美颜(美 ...
python深度神经网络量化_基于Python建立深度神经网络！你学会了嘛？
原标题:基于Python建立深度神经网络!你学会了嘛? 图1 神经网络构造的例子(符号说明:上标[l]表示与第l层:上标(i)表示第i个例子:下标i表示矢量第i项) 单层神经网络图2 单层神经网络示 ...
python selenium脚本_怎样开始写第一个基于python的selenium脚本
1.下载并安装python(http://www.python.org/geti/). 2.安装selenium(http://pypi.python.org/pypi/selenium)下载并解压缩 ...
【组队学习】【31期】基于Python的办公自动化
基于Python的办公自动化航路开辟者:牧小熊.刘雯静.张晓东.吴争光.隆军领航员:六一航海士:牧小熊.李显.刘羽中.王晓亮基本信息开源内容:https://github.com/dataw ...
【组队学习】曹志宾：基于Python的会员数据化运营
分享人:曹志宾,Datawhale成员,香港科技大学硕士在读分享内容: 案例描述与分析前期准备与数据预处理 RFM模型使用与操作 Excel中的RFM分析组队学习: 红星:基于Python的会员 ...
【组队学习】孙健坤：基于Python的会员数据化运营
分享人:孙健坤,哈尔滨工业大学分享内容: 什么是会员制? 什么是会员数据化运营? 如何进行会员数据化运营组队学习: 基于Python的会员数据化运营开源内容: https://github.co ...
【组队学习】【28期】基于Python的会员数据化运营
基于Python的会员数据化运营论坛版块: http://datawhale.club/c/team-learning/37-category/37 开源内容: https://github.com ...

基于Python实现的DHT嗅探器

开发过程文档-DHT 嗅探器

基于Python实现的DHT嗅探器相关推荐

最新文章

热门文章