网络时延测量技术研究

讨论端到端网络时延测量的关键技术和影响因素,给出了实现网络时延测量的几种方法,介绍了基于ICMP、TCP、UDP等几种网络通信协议的网络时延测量技术,通过对这些技术的分析,对各种各种测量方法做了比较.     

基于端到端Ad Hoc网络链路丢失率推测方法研究

可测量性是对Ad Hoc网络进行性能评价和网络管理的基础。文章提出了一种基于端到端多源测量的Ad Hoc网络内部链路丢失率的推测方法,基本思路是:首先利用链路拓扑快照捕获算法获得Ad Hoc网络端到端测量的窗口时间;建立Ad Hoc网络测量模型和链路丢失分析模型;然后在测量窗口时间内,采用多源测量方法实施端到端测量;最后根据采集到的测量样本、网络拓扑中节点间的相关性、链路丢失率分析模型以及数理统计理论推测Ad Hoc网络内部链路丢失率。仿真结果表明:采用基于多源测量的推测方法优于基于单源测量的推测方法,比较适合Ad Hoc网络内部链路性能推测。     

基于端到端丢包测量的网络瓶颈链路推断方法

为了寻找网络中瓶颈链路,对网络数据包丢失率的推断方法进行了研究,提出一个新的网络数据包通过率的统计推断模型．该模型基于端到端的测量方式,采用累积母函数对网络路径级数据包通过率进行分析,估计出网络链路级数据包通过率的统计信息．利用网络数据包通过率与丢失率之间的关系,可以间接得到链路级数据包丢失率的统计信息．仿真实验表明,该模型不需要很高的测量负载量就可以较精确地推断出网络链路级数据包通过率的统计信息,并根据Chernoff bound检测出网络中的瓶颈链路．     

基于端到端丢包测量的网络瓶颈链路推断方法

为了寻找网络中瓶颈链路,对网络数据包丢失率的推断方法进行了研究,提出一个新的网络数据包通过率的统计推断模型．该模型基于端到端的测量方式,采用累积母函数对网络路径级数据包通过率进行分析,估计出网络链路级数据包通过率的统计信息．利用网络数据包通过率与丢失率之间的关系,可以间接得到链路级数据包丢失率的统计信息．仿真实验表明,该模型不需要很高的测量负载量就可以较精确地推断出网络链路级数据包通过率的统计信息,并根据Chernoff bound检测出网络中的瓶颈链路．     

对网络测量中端到端时钟同步的研究

对网络测量中的端到端时钟同步技术做了深入研究,能更加准确地进行网络测量,从而更好地为网络管理提供服务。     

组播网络中链路丢包率的测量

为了提高组播网络中链路丢包测量的正确性,提出了以2-state Gilbert模型为链路丢包模型的算法.该算法利用组播网络各链路的丢包率在空间上具有相关性的特点,基于网络端到端的测量,采用最大似然算法(ML)计算网络中各节点状态,然后根据各节点的状态计算出网络中各链路的丢包率.仿真实验表明,该算法具有准确度高、收敛速度快的特点.     

分布式网络测量和分析基础架构研究与实现

提出一种分布式网络测量与分析基础架构(Distributed Network Measurement and Analysis Infrastructure,DNMAI),采用层次化模型,模块化设计、易扩展.与现有测量框架相比,DNMAI强调根据用户需求定制测量与分析方案,系统化了分析方法和应用场景,可进行单点或分布式多点测量.给出其框架模型、功能部件、关键技术和解决方案,并以端到端时延为例说明DNMAI的应用.     

精密电阻网络和RLC组合的测量

作者深入分析网络测量误差,提出提高网络测量精度的方法,并在接口中采用四端测量和三端测量相结合的方法以扩展测量网络元件参数的量程,最后简述元件组合测量的方法.     

BitTorrent网络特性的测量与研究

分析、设计并实现了对等网络BitTorrent网络探测程序,解决了相关研究中难以获得tracker服务器日志的问题,采用爬行者方式对实际网络进行了测量和分析.通过数据分析,揭示了普遍存在同一较小网络区域内多个节点同时下载同一文件的现象、网络节点个数的时间分布规律、节点的地理位置分布规律和各类型BitTorrent网络客户端的使用排名等,对研究对等网络的网络特性提供了实际网络环境的数据支撑和研究基础.     

双目视觉测量网络布局规划技术研究

针对工程应用中视觉测量网络站位布局规划不完善,各站位测量相对全局测量结果具有较大偏差,导致全局测量点云数据分层问题,提出了双目视觉测量网络站位布局规划方法.首先,建立双目视觉测量模型,结合理论分析构建参数误差模型;其次,根据参数作用机制将其划分为内部结构参数和外部测量参数两类,并进行精度仿真分析;然后,结合仿真结果,建立全局测量场视觉测量多约束区域划分模型,求解各测量站位初值,构建测量站位优化模型,基于外部测量参数的遗传算法求解各站位位置参数,完成大尺寸视觉测量网络的构建.最后,通过规划实验表明,各站位测量结果之间偏差均在0.04 mm以内,实现了点云数据的高精度拼接,满足工业测量精度要求.     

面向高速网络流量的硬件测量装置

为解决高速网络测量中面临的如何平衡测量速度、精度与存储器容量的问题,采用自适应非线性采样方法,基于高速现场可编程门阵列(FPGA)硬件平台,研究了针对高速网络流量的测量装置FAST通过控制状态机设计、存储器功能划分和并行回导设计,FAST原型系统可根据实时流量动态调整采样概率,在较高的计数器压缩率下,保持99％以上的平均测量精度,分组测量吞吐量达27.4 Mpps.     

网络性能度量研究

网络性能度量研究是网络安全领域的一个重要研究分支,首先给出了网络度中心性、接近中心性、中介中心性和特征向量中心性的实现原理,然后对网络聚集程度和网络平均最短路径进行度量分析,并给出具体实例。通过分析可以获取网络中心节点,识别网络关键路径和关键节点,发现网络中存在的脆弱节点和薄弱环节,从而有针对性地进行网络全面防御。     

一种提高Freeze-TCP性能的增强机制

提出了一种提高传输控制协议(TCP)在移动网络中性能的方案Freeze-TCP .Freeze-TCP 基于原有的Freeze-TCP协议,并在其中引入了网络测量机制.当发生网络切换后,数据发送者不是立刻发送整个窗口中的数据,而是根据首先进行的网络测量结果设置慢启动门限,从慢启动阶段开始发送数据.本方案很好地解决了Freeze-TCP在异种网络切换时出现的由于数据突发导致的数据丢失或者不能及时有效利用网络带宽的问题.网络仿真表明,Freeze-TCP 能够在发生任意情况的异种网络切换时,提高Freeze-TCP的性能.     

通信网运行中的故障及其测度

从网络故障的定义入手，分析了网络故障的原因和激励、特征和分类，提出了网络故障的测度框架，这个测度框架突出了测度的实用性，并有待于实践的检验。     

基于通用网络测量平台的反垃圾邮件技术

以通用网络测量平台为基础,提出了一种新的不同于诸如黑名单和邮件过滤等现有反垃圾邮件技术的检测和防范垃圾邮件的方法。在本地网的监测点将进出的与邮件相关的通信量汇聚成邮件流,并区分成无效邮件流、正常邮件流和异常邮件流,然后根据这3种邮件流的统计特性,检测出本地网中产生的广告邮件、垃圾邮件病毒以及异常邮件行为,并通过基于策略的响应机制实施拦截和预警。     

基于以太网的网络测试系统的应用与研究

对以太网和基于以太网的网络测试系统的几种结论作了阐述，并通过具体实例进行说明，得出基于以太网的网络测试系统可以使得资源共享、远距离操作．     

Improved sample filtering method for measuring end-to-end path capacity

By analyzing the effect of cross traffic （CT） enforced on packet delay, an improved path capacity measurement method, pcapminp algorithm, was proposed. With this method, path capacity was measured by filtering probe samples based on measured minimum packet-pair delay. The measurability of minimum packet-pair delay was also analyzed by simulation. The results show that, when comparing with pathrate, if the CT load is light, both pcapminp and pathrate have similar accuracy; but in the case of heavy CT load, pcapminp is more accurate than Pathrate. When CT load reaches 90%, pcapminp algorithm has only 5% measurement error, which is 10% lower than that of pathrate algorithm. At any CT load levels, the probe cost of pcapminp algorithm is two magnitudes smaller than that ofpathrate, and the measurement duration is one magnitude shorter than that ofpathrate algorithm.