基于多终端协同的业务流控制

文章基于IP多媒体子系统(IMS)分层网络架构模型,设计了一种基于多终端的业务流控制系统构架。根据该系统架构和多终端协同的特征,文章提炼出基于多终端协同的业务流控制所面临的关键技术需求。满足这些需求可充分发挥网络与终端融合协同所带来的个人化、智能化业务能力,改善信息传输服务质量,为用户提供智能化业务体验。文章通过阐述两种典型的多终端协同应用场景——多网协作传输和移动性管理,说明了基于多终端协同的业务流控制所具有的重要意义。     

光突发交换中的突发业务流模型及其应用

提出了一种光突发交换中的突发业务流模型,采用该模型对光突发交换中的LAUC-VF输出调度算法在不同的突发业务强度和突发长度下的性能进行了模拟仿真,分析比较了该算法在此突发业务流和普通业务流模型下的性能,仿真结果表明,该突发业务流模型具有一定的合理性。     

无线传感网与移动通信网融合业务流模型和预测算法研究

由于移动通信网和无线传感网各有特点,且各自的网络结构和协议栈差别较大,两网异构融合产生的多业务数据流量将同时具备局部性、周期性、随机性、突发性等多重特点,结构复杂,对网络运营能力及安全监测带来了技术难题。文中针对多业务流的场景,分析各类业务流模型的特点,提出一种基于异构网的融合业务流模型,并对业务流量通过预测算法进行预测。仿真结果表明,该模型算法的预测精度较高,为异构网的多业务融合起到了重要的支撑作用。     

一种在MPLS网络中支持QoS的流量工程算法

该文提出了一种改善QoS的队列调谐算法(QueueTuningAlgorithm:QTA),该算法应用于多协议标签交换(MPLS)流量工程。该算法通过把不同类别的业务,如传统的尽力而为(Best-Effort)业务和具有QoS需求的业务,映射到不同队列,然后根据链路的状况以及业务的QoS需求来进行队列调谐。QTA在实现负载均衡的同时又支持业务流的QoS,优化网络资源的利用。仿真表明该算法在MPLS网络中运行良好。     

ATM业务流控制技术

业务流控制是ATM的关键技术之一。业务警管和连接接纳控制构成了ATM的业务流控制。通过网络和用户共同签订并承诺履行的业务合约实现连接接纳控制。对于不同的业务类型,其业务合约参数不同,具有相应的控制机制。业务流控制的国际标准化工作正在积极开展,I-TU-T 建议的标准为1.371。     

多跳无线网中基于空分TDMA的时隙分配策略

空分TDMA（STDMA）是基于TDMA的信道接入协议,该技术被应用于实时性要求较高的多跳（multi-hop）无线网络中,并可使多个在地理位置相互独立的移动终端使用相同的时隙来增加网络容量,不同移动终端之间的数据传输通过对终端调度安排来实现。调度算法一般分为基于节点或基于链路的分配方式。对这两种方式对比发现,在一定条件下两者都有不理想的特性。因此,结合两种方式优点提出了一种新颖的分配策略。仿真结果表明：该分配策略在高业务负载情况下能满足链路分配的高吞吐量,也能达到低业务负载下节点分配的低延迟。     

网络业务流统计分析平台的设计与实现

针对网络业务复杂、端口识别和应用层检测方法失效的情形,设计并实现了网络业务流统计分析平台,为网络业务的有效识别与分类创造了条件。通过实验证明,该平台采集的业务流以及获取的流量统计分析结果,能实现网络业务的有效识别,为基于流统计特征来识别网络上的P2P应用创造了条件。     

ATM业务流控制技术

业务流控制是ＡＴＭ的关键技术之一。业务警管和连接接纳控制构成了ＡＴＭ的业务流控制通过网络和用户共同签订并承诺履许的业务合约实现连接接纳控制，对于不同的业务类型其业务合约参数不同，具有相应的控制机制。业务流控制的国际标准化工作正在积极开展，１－ＴＵ－Ｔ建议的标准为１．３７１。     

DOCSIS3.0——第三代电缆数据传输系统(17)

第七章频道捆绑频道捆绑定义为:是对DOCSIS业务流的一种信息调度,该业务流同时涉及多个频道。在下行方向,CMTS分配一个个数据包至多个频道中,通常包括一个下行业务扩展标头,标头中有一个数据包序列号,     

网络业务流的判定、分类和识别技术浅析

业务流测量是了解和分析网络流量和业务性能的一种重要手段。文章简要介绍了业务流测量的基本概念;系统说明了业务流测量涉及的关键技术：业务流判定技术、业务流分类技术和业务流识别技术;并重点阐述了业务流识别的几种常用方法。     

网络流量的联合多重分形模型及特性分析

网络尺度行为的发现提供了用数学模型方法研究网络流量特性的可能性.本文基于连乘瀑布过程与K分布过程提出了联合多重分形(JMF)网络流量模型,该模型以尺度函数与矩因子的联合作为主要特征函数来研究网络流量的特性.理论分析及由实测网络流量数据的仿真结果表明,JMF模型可以较客观地同时描述网络流量短期分形行为与长期自相似行为,且实现复杂度小.其中尺度函数能够刻画时间尺度对流量特性的影响,矩因子描述了同一时间尺度上流量突发性的变化,二者的联合较好地描述了网络流量的短期行为,而模型的统计特性则刻画了流量的长期行为特征.     

DDoS Attack Detection and Wavelets

This paper presents a systematic method for DDoS attack detection. DDoS attack can be considered a system anomaly or misuse from which abnormal behavior is imposed on network traffic. Attack detection can be performed via abnormal behavior identification. Network traffic characterization with behavior modeling could be a good indication of attack detection. Aggregated traffic has been found to be strong bursty across a wide range of time scales. Wavelet analysis is able to capture complex temporal correlation across multiple time scales with very low computational complexity. We utilize energy distribution based on wavelet analysis to detect DDoS attack traffic. Energy distribution over time will have limited variation if the traffic keeps its behavior over time (i.e. attack-free situation) while an introduction of attack traffic in the network will elicit significant energy distribution deviation in a short time period. Our experimental results with typical Internet traffic trace show that energy distribution variance markedly changes, causing a spike when traffic behaviors are affected by DDoS attack. In contrast, normal traffic exhibits a remarkably stationary energy distribution. In addition, this spike in energy distribution variance can be captured in the early stages of an attack, far ahead of congestion build-up, making it an effective detection of the attack.     

IP城域网流量分析方法和实践

文章在对IP网络几种主要的流量测量和分析技术进行比较的基础上,以上海电信IP城域网为对象,通过流交换(netflowswitchin)g方法收集流量信息,进而利用工具分析了流量流向、流量应用分布等现网流量的特点。对流交换数据量与网络流量之间的定量关系也做了实测估计。     

基于混沌理论与改进回声状态网络的网络流量多步预测

网络流量预测是网络管理及网络拥塞控制的重要问题,针对该问题提出一种基于混沌理论与改进回声状态网络的网络流量预测方法。首先利用0-1混沌测试法与最大Lyapunov指数法对不同时间尺度下的网络流量样本数据进行分析,确定网络流量在不同时间尺度下都具有混沌特性。将相空间重构技术引入网络流量预测,通过C-C方法确定延迟时间,G-P算法确定嵌入维数。对网络流量时间序列进行相空间重构之后,利用一种改进的回声状态网络进行网络流量的多步预测。提出一种改进的和声搜索优化算法对回声状态网络的相关参数进行优化以提高预测精度。利用网络流量的公共数据集以及实际数据进行了仿真,结果表明,提出的预测方法具有更高的预测精度以及更小的预测误差。     

基于神经网络的网络流量预测算法研究

网络流量预测有助于网络服务质量的提升和网络资源的合理分配,对优化网络管理与运营、保障用户体验质量至关重要。因特网业务的急剧增加和基础网络的快速发展导致网络流量变得更加复杂多样,传统网络流量预测模型难以保证较高的预测精度,而神经网络作为人工智能的重要分支,在预测复杂网络流量时具有显著优势。简述反向传播神经网络、径向基神经网络和长短期记忆神经网络的模型原理,通过分析这些神经网络预测不同时间尺度的网络流量结果,可总结其预测性能与优缺点,为基于神经网络的故障预测和故障定位的学术研究和实际应用提供技术支撑。     

网络业务流的自相似性

对通信网络的大量研究表明,网络业务本质是自相似的(相关函数上表现为长相关特性)。网络业务的统计自相似性主要是指在不同时间尺度上观测到的业务流量序列具有相同的统计特性。讨论了当前网络业务流的特性;分析了现有的自相似业务流模型。为在线测量网络中的高速业务流,根据实测时间序列数据建立合适模型提供了参考。     

业务体验驱动的时间敏感网络架构研究

论述了时间敏感网络的管控架构,阐述了业务体验驱动网络的理论体系,对产业互联网场景业务模型及流量模型的特点进行了分析,并且提出了以业务体验驱动时间敏感网络的系统架构及运行机制。     

移动智能网组网方式升级为目标网对业务发展的意义

本文对智能网的实现原理、组网方式和演进趋势进行分析和研究,对智能网的业务种类和发展状况进行介绍和剖析,而且,对于如何利用智能网应对各种非正常用户行为进行了初步探讨,认为智能网目标网升级对业务发展意义重大。     

Network traffic prediction based on a new time series model

Fast and accurate methods for predicting traffic properties and trend are essential for dynamic network resource management and congestion control. With the aim of performing online and feasible prediction of network traffic, this paper proposes a novel time series model, named adaptive autoregressive (AAR). This model is built upon an adaptive memory‐shortening technique and an adaptive‐order selection method originally developed by this study. Compared to the conventional one‐step ahead prediction using traditional Box–Jenkins time series models (e.g. AR, MA, ARMA, ARIMA and ARFIMA), performance results obtained from actual Internet traffic traces have demonstrated that the proposed AAR model is able to support online prediction of dynamic network traffic with reasonable accuracy and relatively low computation complexity. Copyright © 2005 John Wiley & Sons, Ltd.     

小波分析与神经网络的网络流量预测模型

网络流量具有长相关、非平稳性与多时间尺度特性。提出了一种基于小波分析与AR(p)人工神经网络相结合的网络流量预测模型,即WPBP算法。该算法采用小波分析得到网络流量在不同尺度下的近似信号和细节信号,并运用AR(p)的相关性理论确定近似信号序列和细节信号序列的相关程度(p值),与神经网络进行耦合,以p+1划分数据,前p项作为输入,后一项作为输出对网络进行训练,从而使得神经网络的输入与输出的选择更加合理,预测的结果也更加准确。用小波重构得到最终的流量预测值,用实际网络流量对该模型进行验证。仿真结果表明,该模型的预测效果较好。