基于抽样流长与完全抽样阈值的异常流自适应抽样算法

高速IP网络的流量测量与异常检测是网络测量领域研究的热点。针对目前网络流量测量算法对小流估计精度偏低,对异常流量筛选能力较差的缺陷,该文提出一种基于业务流已抽样长度与完全抽样阈值S的自适应流抽样算法(AFPT)。AFPT算法根据完全抽样阈值S筛选对异常流量敏感相关的小流,同时根据业务流已抽样长度自适应调整抽样概率。仿真和实验结果表明,AFPT算法的估计误差与理论上界相符,具有较强的异常流量筛选能力,能够有效提高异常检测算法的准确率。     

基于流量负载的改进型几何抽样算法

为了解决在流量高峰时期网络节点由于超负荷工作导致报文丢失的问题,在几何抽样的基础上,设计了一种能自动适应流量负载变化的抽样算法.该算法在流量高峰时会根据负载情况动态地计算最佳的抽样概率来匹配节点的处理能力从而降低节点丢失的报文数,在流量负载轻时会自动地提高抽样概率以充分利用节点的处理性能.通过真实网络流量数据的实验分析表明,改进后的几何抽样算法不仅能有效降低节点丢弃的报文数,同时还提高了网络测量的精度,证明了该改进算法对流量负载具有良好的适应性.     

基于分组标识的网络流量抽样测量模型

PSAMP建议流量抽样测量模型应该简单且能够满足各种测量应用要求,为此,文章提出基于报文标识的流量抽样测量模型.对CERNET主干网络流量IP报头各字段的进行随机性分析,结果表明标识字段16比特统计上满足抽样掩码匹配字段的随机性要求.并提出基于标识字段的多掩码抽样测量算法及其修正算法,实验验证其抽样样本既能满足流量统计行为研究,又能进行网络行为研究.     

基于两级LRU机制的大流检测算法

高速网络中及时准确地识别大流量对象对网络测量、控制和管理有重要的意义.该文提出了一种基于两级LRU机制的大流检测算法并分析了新算法中的参数与平均误差之间的关系.新算法通过增加一级用于过滤小流的LRU提高测量准确性.算法分析表明:新算法具有10Gbps的线速处理能力.该文基于实际互联网数据进行了实验对比,结果显示:与现有算法相比,新算法具有更高的测量准确性和实用性.     

IP网络抽样测量技术及其应用

随着高速网络技术的发展和普及,传统的网络被动测量方式不再可行,使得面向高速网络的流量抽样测量技术成为研究热点之一.文章首先归纳和比较了网络抽样测量技术的各种类别.然后,详细论述了基于掩码匹配的网络抽样测量技术.最后,介绍了IP网络抽样技术的主要应用并给出了结论.     

基于协议流量精细化多维度检测

随着网络的发展,攻击网络的新型方式较为特殊,多以慢速攻击的形式,对网络造成一定程度的威胁。文章基于DPI和DFI技术的网络流量,分析发现此类攻击在网络流量上呈现时间较长,并在持续增长,为了提高检测精度和躲避检测,对该类攻击采取降低攻击速率的方式进行,采用流量检测、文件检测、关联检测、特征检测、算法检测,综合判断网络状态,从多个维度提高网络预警的精准性,对数据、流量、文件等进行检测,同时检测流量传输的数据,并监测其传输敏感度、恶意程序等。     

高速网络超连接主机检测中的流抽样算法研究

检测超连接主机是网络安全中的重要问题.而流抽样是高速网络环境下解决该问题的基础.现有解决方案使用基于哈希流抽样算法,其基本假设是存在均匀随机哈希函数.但是已有研究并没有评价此假设的合理性.该文通过技术分析和实验测试得出结论:在2.5Gbps以上高速网络中,以上假设在线性流ID序列情况下并不合理.随后,该文基于Bloom filter数据结构提出一种新的流抽样算法.算法分析表明:新算法具有10Gbps线速处理能力和较小的空间复杂度.最后,该文基于实际互联网数据进行实验评价,结果显示:新算法能够实现独立于流ID的等概率随机抽样.     

局域网流量检测技术分析与应用研究

局域网络流量检测和控制技术是网络管理中的关键技术。近年来,用户对网络服务质量的要求越来越高。网络管理员希望通过对网络流量的检测和监控达到研究网络行为并进行技术分析的目的。通过分析局域网流量是鉴定网络运行状况的指标,显示了网络性能的优劣,通过对流量的检测能够及时的发现网络异常,网络故障和定位并提供基础的数据依据。局域网流量检测是网络性能管理和网络规划的主要方法。局域网是网络构架中基本结构,在信息传输中体现局域网的性能和技术指标。通过对流量测量工具的研究,使用不同工具对局域网的有效测试,对比测试数据和形成机理,分析研究流量的影响因素,确定测量不同参数的手段,为制定局域网技术性能检测标准提供了理论基础。     

基于GA改进BP神经网络网络异常检测方法

考虑到常规BP神经网络算法容易陷入局部最优解,所建立的网络遗传流量检测模型检测效率低,准确率不高等问题,提出一种改进型GA优化BP神经网络算法,并使用其建立网络遗传流量检测模型。常规遗传算法在搜索过程中,往往会由于出现影响生产适应度高的个体而对遗传算法搜索过程产生影响的现象发生,因此需要对常规遗传算法进行改进。使用的方法是通过混合编码方式进行改进,同时对交叉算子、变异算子、交叉概率以及变异概率等参数进行优化修正。使用KDD CUP99数据库中的网络异常流量数据进行实验研究,研究结果表明,所提出方法的检测性能要明显优于常规算法,其对BP神经网络的结构、权值以及阈值进行同步优化,避免了盲目选择BP神经网络结构参数带来的问题,避免了常规BP神经网络容易陷入局部最优解的问题。     

基于LRU的大流检测算法

高速网络中,检测大流是进行准确流量测量的一种重要可扩展解决方案。该文提出了一种新的基于LRU大流检测算法。它通过引入小流早期丢弃和大流预保护机制以提高测量准确性。算法分析表明:新算法具有10Gbps线速处理能力。该文基于实际互联网数据进行了实验比较,结果显示:与已有算法相比,新算法具有更高的测量准确性和实用性。     

模糊聚类CIAP在雷达组网中的应用

随着雷达网络传输技术的发展,雷达网络中的数据拥塞和流量分配不均衡问题亟待解决.文中针对多个被覆线与无线AP所组成的雷达传输网络中的流量分配不均衡问题,对多链路负载均衡算法(CIAP)中的任务调度算法进行改进.算法依据网络传输链路本身的固有特性,在进行链路碎片调度时,采用模糊聚类的思想对任务调度算法进行改进,该算法根据网络中各链路的剩余带宽和链路时延对负载较大的链路的路由碎片进行实时调度.实验结果表明,与传统的基于循环招标任务调度的多链路负载均衡算法比较,改进的算法能够迅速高效地均衡雷达网络中的链路负载.     

基于掩码匹配的IP网络抽样测量系统的设计和实现

随着高速网络技术的发展和普及,面向高速网络的流量抽样测量技术成为研究热点之一。文章首先归纳和比较了网络抽样测量技术的各种类别;然后系统介绍了基于掩码匹配的网络抽样测量技术;并详细阐述了基于掩码匹配的网络抽样测量系统的设计和实现方法。     

基于AC-BM算法的移动互联网审计平台性能提升方法

近年移动互联网络以燎原之势迅速发展,用户群数量上涨和激增的网络流量不仅仅成为举世瞩目的成就,也对现有的网络环境提出了更高的要求。基于当下的移动网络环境,文章以移动互联网审计系统为实验平台,使用深度包检测等数据包分析技术对网络流通数据进行识别、审计、分析,并通过该技术对移动互联网中的流量数据进行合理监测、管控有害信息传播。另外,文章使用AC-BM算法对审计平台的识别算法进行优化,快速有效地分析处理数据,以解决用户使用高峰时段访问量骤增,导致的系统性能骤降甚至丢包、分析不全面等问题。     

基于数据挖掘技术的网络入侵检测技术研究

在此对基于数据挖掘技术的网络入侵检测技术进行研究。考虑到常规BP神经网络建立的网络入侵检测技术存在由于BP神经网络容易陷入最小值导致检测效率和准确率低下等问题,使用粒子群算法对BP神经网络模型进行优化,使用动态惯性权重系数以确定BP神经网络的参数,并将网络入侵流量特征与BP神经网络的参数组合并编码成一个粒子以实现网络入侵流量特征与BP神经网络的参数的同步选取。通过使用KDD CUP99数据库的入侵流量数据对使用该方法以及常规BP神经网络建立的检测模型进行训练和测试,结果表明,研究算法建立的检测模型具有更高的检测效率以及检测准确率。     

对等网络流量信息结构异常的检测技术研究

随着信息技术的发展,对等网络P2P信息流量经常出现偏离正常范围的异常情况,这里以决策树算法为基础,对P2P流量检测和流量异常时的检测技术进行研究。采用改进的C4.5决策树P2P流量检测模型,通过P2P流量异常检测模型对大量训练数据集的训练,实现了对错误的逐步修正,通过试验室仿真试验可知,经过选择网络流量特征后,基于改进的C4.5决策树的P2P网络流量分类器能实现较好的分类效果,分类检测率在94.6%~96.7%,较高的检测率说明采用改进的C4.5决策树算法能有效地对P2P流量进行检测,为研究P2P流量异常检测技术提供了参考。     

一种解决网络社区划分物理算法

网络结构挖掘目前是非规则数据的数据挖掘技术研究的热点之一,其中网络结构划分在并行计算和互联网结构分析中具有重要的实用价值.将电荷互斥和弹簧胡克定律引入网络结构划分,用其构建了网络中节点间的各种作用力,使得网络在力作用下产生相应运动,然后,在各种力的作用下达到平衡状态,将此平衡状态映射到二维平面,再将原先网络中的节点当作平面中的数据样本点.这样可以将网络结构信息(n+m)(其中n为网络中的节点个数,m为网络边的个数)压缩到2n,然后通过聚类算法对其进行划分.构建此算法并用多种算法与传统的GN分裂算法进行对比,发现新算法的划分质量与高效的GN算法相当,新算法还可以通过节点代表对网络进行约减,使得算法的速度可以根据精度调节.本算法的构建为网络结构划分提供了一种新的途径,同时对网络平衡状态的研究提出了相应的方法.     

移动通信网流量数据分析及预测研究

近年来我国移动通信技术得到了快速发展,其流量数据保持着持续增长的状态。现阶段,我国数据挖掘技术等大数据技术得到了广泛的应用,移动通信网络中的数据具有海量的特点,利用移动通信网络大数据分析就可以对移动通信网络的协议改进、架构设计等方面提供重要的参考。文章中机移动通信网流量数据分析和预测进行探究。     

改进的幻影方案在拥塞避免与控制中的应用

对高速网络中拥塞控制与拥塞避免的问题进行了研究。幻影方法是一种简单而有效的防止网络拥塞发生的流量控制方法。以此方法设计的控制算法不仅是收敛的,同时能够平稳地处理网络接入的新连接,并对所有的连接保持良好的公平性。通过选择一个参数来设置不同的拥塞级别并在不同的拥塞级别上采取相应的不同流量控制措施,改进的算法在保留了原来算法优点的基础上,增强了网络拥塞避免的能力。仿真试验表明了这一点。并基于统计推断中的抽样定理,分析了选择划分拥塞级别的参数的准则。     

基于 Agent 和聚类分析的网络入侵检测研究

为了解决现有的入侵检测系统响应网络环境慢、需要较多人工干预的局限,采用智能体技术和聚类分析设计一种新的网络入侵检测方法.使用智能体技术实现入侵检测系统的分布式设计,利用分层的控制智能体实现入侵检测系统的自主控制,同时使用基于模糊 C 均值算法的数据挖掘技术对网络数据进行检测分析,并利用加权算法对模糊 C 均值算法进行改进,提高系统的检测能力.结果表明,该系统能够减少人工干预,对网络环境响应较快,入侵检测性能也得到了提高.     

P2P网络的位置知晓性研究

P2P网络的应用越来越广泛,同时也在互联网上产生了巨大的网络流量.但P2P网络通常将所有节点看作对等的,不考虑节点的实际网络位置,这就带来了大量的网络冗余流量.本文对P2P网络的位置知晓性进行了相关研究.首先总结了以往对P2P网络位置知晓性的研究,而后提出了采用多源文件下载机制的P2P网络的位置知晓性问题,并通过对真实的BitTorrent网络的测量试验论证了该问题.对P2P网络位置知晓性进行研究和改进,可以减少网络冗余流量,改进网络效率,减少网络运营商的成本.