信息熵在网络流量矩阵估算中的应用

提出一种网络流量矩阵估算方法,在已知网络拓扑结构和网络链路流量的情况下,根据网络链路流量计算出信息熵,利用期望最大化算法对网络源和目的对之间的流量需求进行估计。以校园网为实验环境,对骨干网络采集网络流量数据,与通用重力模型方法的比较结果表明,利用该方法进行估算有更高的准确性。     

部分连通网络流量伪装模型研究

针对部分连通的网络提出了一种伪装网络流量的模型，并对该模型进行伪装网络流量的实现过程进行了详细的讨论．另外，对由于伪装网络流量带来的费用开销作了定性的分析．研究表明，该模型能够有效地伪装部分连通网络的网络流量，从而能有效地防止以分析网络流量为手段的黑客攻击．     

互联网流量采集分析系统设计与实现

为解决复杂网络环境下的多链路数据采集、互联网数据分发、流量识别与分析、数据发布等问题,利用虚拟管道、组播、网络数据采集与协议分析等技术,设计实现一个面向IP网络的数据汇聚分发采集分析系统。应用结果表明,该系统能识别网络流量中90%以上的应用协议,可识别的协议种类超过2 000种。     

利用链路相关性进行网络流量异常检测

传统的网络异常检测方法应用于具有较大链路数量的网络上时,往往存在着误报率高、检测范围不够全面、检测效率不能满足高速网络实时监测需求等问题。由于多链路之间往往存在有较强的相关性,这种相关性反映了链路流量的整体趋势,可以被用来进行网络流量异常分析。采用基于PCA的相关性分析方法对网络流量异常检测进行研究,利用链路之间相关性评估网络流量的异常。实验证明,这种方法应用于大规模流量异常检测是简单有效的。     

搜索引擎流量模型分析与测试

介绍搜索引擎的查询服务工作原理．通过网络拓扑分析、路由分析等方法,研究查询服务对网络流量的影响．由此搭建网络流量估算模型,做到对网络性能瓶颈的准确预测,在对该模型进行有针对性的测试后．提出可以更有效地解决网络性能方面问题的搜索引擎数据中心网络部署方案．保证网络设备能满足搜索引擎性能需求。     

基于周期性网络流量模型的流量预测

文中使用自主开发的网络监控系统，对数据链路实施长期的测试监控。通过大量流量测试数据统计分析表明，WAN／LAN实际流量可以分为时间相关分量和时间无关分量。文中介绍了一个基于周期性网络流量模型的流量预测算法，以便对给定时刻的网络流量进行在线预测，并给出了不同预测精度下预测流量取值区间和实际流量的比较结果。     

流量监控易如反掌——基于MRTG的网络监测

您企业网络中实际业务流量到底是多少?网络流量在不同的链路分布是否均匀?业务 流量在不同的时段有什么变化?网络出口带宽利用率如何?如果对此您正有所困惑,下面 的网络流量监控技术值得您关注。     

校园网周期性网络流量模型研究

网络流量模型是网络性能评价、网络协议设计和网络规划等的基础。在对大量校园网络流量数据统计分析的基础上．提出一个基于周期性网络流量的网络流量模型,将网络流量分为时间相关分量和正态随机分量,并利用分布拟合检验算法加以验证,同时给出了在不同置信度下基于该流量模型的流量预测算法。     

基于集对分析的网络流量大数据均衡调度方法

为了有效降低网络流量传输时的网络负载,基于集对分析策略,提出DNS网络流量大数据均衡调度方法。设计Dramp流量路由控制方法,根据链路权值量化,提出优化函数,实现多路径网络流量的传输,在静态域名解析(DNS)的环境下,重新构建网络链路,设计了一个包括网络流量负载信息和网络信息实体输入信息,且序列一体的传输链路,用于配合路由控制,最后基于集对分析思想,根据定向控制器分析信息,保证路由和链路的匹配,实现网络流量的均衡调度。实验数据表明,与传统方法相比,设计的DNS网络流量大数据均衡调度方法,网络时延降低了21%,丢包率降低了27%,可以有效降低网络负载。     

多业务网络流量工程模型研究

文章详细分析了多业务网络流量工程的一个通用模型和它的基本功能,系统分析了网络实际存在的流量波动问题及其对网络规划的影响。     

基于．net的网络流量采集和预测系统设计

在网络管理中十分重视网络流量数据,通过对网络流量数据的分析来评估优化网络性能。本文为网络管理员提供了一种方法来采集流量数据．并对流量数据进行预测。本系统在MRTG的基础上,用c#来采集流量数据,用统计算法对流量数据进行分析．再用c#引用EXCEL组件产生预测数据图表。     

基于多神经网络的网络流量预测模型

实现网络QoS控制对于网络管理及维护相当重要,而网络流量预测对于实现网络的QoS控制可以起到十分重要的作用;另外,流量预测在入侵检测中的应用也受到越来越多的关注。网络流量预测极具现实研究意义。对多个神经网络预测模型进行有效的整合,建立了一个基于多神经网络的网络流量预测模型,并用真实的网络流量对该模型进行仿真验证,提高了其预测性能。     

CRH2型动车组列车信息传输网络流量建模与预测

针对CRH2型动车组列车网络流量数据日益复杂的特性,提出了一种将主成分分析法(PCA)与后馈神经网络(BP网络)相结合的网络流量建模预测思路。基于已搭建好的CRH2型列车通信仿真平台,对该仿真网络各条链路进行流量采集。为了降低分析的复杂度,流量数据先进行PCA降维预处理分析,再将数据输入到BP神经预测网络模型进行仿真预测。经验证,该思路能有效拟合列车主体网络流量的变化趋势,为CRH2型动车组通信网络的故障诊断分析提供了一定的参考。     

基于周期性网络流量模型的校园网流量预测

网络流量模型是网络性能评价、网络协议设计和网络规划等的基础,然而实践证明基于泊松过程的传统流量模型并不适用于实际的网络流量.在对大量校园网络流量数据统计分析的基础上,提出一个基于周期性网络流量的网络流量模型,将网络流量分为时间相关分量和正态随机分量,并利用分布拟合检验算法加以验证,同时给出了在不同置信度下基于该流量模型的流量预测算法,从而保证对校园网络高效的管理.     

基于NetFlow的网络流量采集系统设计

网络流量是网络运行状态的风向标,对网络流量的相关情况进行监测分析与研究是网络管理的重要环节.从网络安全视角,详细介绍流量分析中主要使用的NetFlow技术,并根据NetFlow的特点,给出了一个基于NetFlow的网络流量采集系统设计实例.     

基于自相似流量预测的TCP拥塞控制算法

针对高带宽网络环境下传统TCP Reno的拥塞控制效率低的问题,提出了一种适用于随机丢失网络的TCP拥塞控制改进算法.介绍并分析了网络流量自相似特性和预测的时间尺度,并进行了TCP链路流量预测及可用带宽估计,当网络出现丢包时根据估计的带宽动态设置慢启动阈值.OPNET仿真结果表明,该算法在高随机丢包的情况下吞吐量得到了明显改善.     

基于动态流量的多拓扑链路权值优化算法

针对网络流量动态变化和不同流量对拥塞控制和传输代价的要求不同的现象,提出一种基于小生境粒子群的多拓扑路由子层链路权值优化算法。该算法以适应网络流量动态变化为目标,设置了以时段划分的业务量矩阵和适应流量动态变化要求的权重因子。优化目标函数从拥塞代价影响和传输代价影响两方面进行了改进,并利用小生境粒子群算法对目标函数进行寻优,以解决一般优化算法存在的容易陷入局部最优的问题。实验结果表明,算法能够在网络中实现负载均衡。     

自相似网络流量预测的分析和研究

网络流量模型能准确和全面地刻画流量数据的各种统计特性,因而成为网络研究的热点。讨论了传统模型预测的弊端,描述了网络流量自相似的基本特征,分析了三个重要自相似模型的特点和存在的问题,使用实际网络流量验证了流量的自相似性并结合多分形小波模型对网络流量进行预测,探讨了流量模型预测的新技术和进一步研究的问题。     

网络流量监测技术

网络流量监测技术对网络流量行为描述、网络规划、设计和管理提供基本依据,对网络运行的QoS保证和网络安全也产生很大影响。基于路由的网络流量监测技术（RMON、Net Flow、SFlow）以及基于非路由的网络流量监测技术（主动测量和被动测量）,分析对比各种监测技术的性能,在此基础上探讨当前两种最新的组合网络流量监测技术：SCNM与WREN。     

面向科研专网的链路流量预测模型

当今科研活动已越来越依赖科研数据网络的高效传输,这对科研专网的链路资源规划和运行管理带来了更高要求.面向科研专网的实际需求建立链路流量预测模型能使网络运营者在SDN等先进控制转发技术辅助下更有效进行资源调度的快速决策.现有的预测方法未考虑当前网络流量更具多样化和更高复杂度的深层细粒度特征.通过改进LSTM模型,本文面向...