网络话务控制原理及其应用初探

简要介绍了目前我国长话网的典型话务环境与话务特征,重点探讨了网管话务控制定义、目标、应用场合及启用话务控制原则、实施要素、分类,提出了对今后异常大话务环境下网络管理及网络安全的建议。     

话务控制及在话务高峰中的应用

话务控制是一种在突发话务高身时有效疏通话务并防止网路过负荷的手段,它涉及到话务控制信息的来源、采用话务控制实施的原则、话务控制应用的场合等。话务控制的最终目的是在网络出现异常情况时保护网路并尽可能多地疏通话务。本文结合２０００年春节期间南京话务疏通应急预案对话务控制进行详细介绍,并评价其在实际话务环境中的使用效果。     

浅淡话务趋势与话务控制

本文就话务的一般趋势及话务控制的一般方法进行了探讨，并论述了资费等因素对话务量的影响，及如何确定网路指标的考核。     

网管话务控制与控制效果辨析

首先对话务控制的原理进行了阐述，对山西省春节话务高峰期间交换机的各种性能与参数进行了分析，消除了分析中的一些误区，从而归结出对网管话务控制效果评价的客观依据。     

浅谈话务趋势与话务控制

本文就话务的一般趋势及话务控制的一般方法进行了探讨,并论述了资费等因素对话务量的影响,及如何确定网路指标的考核。     

话务控制功能对网路性能的改善及提高网络资源利用率的作用

随着社会经济的发展，市场环境的变化，话务结构发生了很大变化，交换机的总体话务忙时出现了多个时段。尤其是突发性事件对网路性能的影响越来越明显，为了使用网络资源能够得到有效利用，产生最大的经济效益和价值，降低企业运营成本，增加竞争力，在交换机上运用话务控制功能不失为一个好的办法。     

疏散话务在S1240型交换机上的实现

自动进行话务统计是程控交换机的一个重要优点,这样,工作人员就可按话务统计的结果,疏散话务。S 1240型程控交换机在话务统计方面考虑得较为全面,便于作大量的话务统计工作。出于S 1240型交换机是分散控制的,在执行话务统计时,分散到各个模块处理机及专门负责话务统计的微处理机中。所以,对正常呼叫处理能力无多大影响。S 1240型程控交换机是以128个用户为1个模块,配有一套8086微处理机进行控制。     

长途电话网话务管理系统

本文结合国内公用长途电话交换网自动管理的实际需要，介绍了由中国邮电电信总局网管中心最新开发的长途电话网话务管理系统ＴＩＭＳ。该系统采用分布式计算环境，全网模型化设计，话务分析和报表工具化设计，提供了对全网及各网元话务的多种灵活的监视手段、分析手段和统计手段，实现了ＧＵＩ下的全鼠标操作。还讨论了网络管理系统的发展趋势。     

如何利用NOMA2.0实现话务高峰时的动态话务控制

话务控制的目标是在最有效利用网络资源的前提下最大限度地疏通呼叫。话务控制有利于改善业务质量及增加网络收益。本文主要结合2000年9月高校刚开学时对200,201字冠的高话务冲击实施动态话务控制进行详细介绍。     

电话网管系统中话务信息处理问题研究与实现

话务统计管理是电话网管理系统中的一个重要内容，话务统计主要完成话务信息的采集、处理、统计、显示、上报，对周期和及时任务的更新及调整。本文首先对电话网网络管理中的话务处理的技术难点进行了分析；重点探讨了话务信息处理在网络管理中的实现技术。     

应用流量管理技术在有线宽频网络中的应用

有线宽频网络运营商在网络运营中，会因为应用流量的不规范应用而对业务造成极大影响甚至带来损失，探讨把应用流量管理技术引进有线宽带网络，通过该技术对应用流量的智能识别、分类、控制等实现对网络流量的管理，进一步提高带宽资源的利用率。     

一种NetFlow流量分析器的设计

网络流量反映了网络的运行状态,是网络管理领域中重要的研究课题。NetFlow是Cisco公司为实现统计流量而开发的一种协议,使用NetFlow可以方便地进行大规模的流量采集。通过对NetFlow协议原理与功能的分析,设计了一种NetFlow流量分析器。该分析器能够对NetFlow流量数据进行采集和分析,实现网络的异常流量监测、流量计费和综合流量分析,并能及时地发现网络攻击。     

电信网络话务流量自动控制技术的研究

电信网络话务流量自动控制是实现网络自动化管理的内容之一。在分析话务理论的基础上 ,提出了基于本地网网络管理与集中监控系统平台的话务流量自动控制技术 ,并详细介绍了系统的模型和软件流程 ,通过具体的工程应用说明该系统有一定的可行性和实用性。     

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SNMP的区分协议流量监控系统

网络流量监控已成为当前网络管理的重要分支之一。通过分析简单网络管理协议（SNMP）和管理信息库（MIB）,针对一般流量监控方法的不足,系统采用SNMP开发包工具即snmp^＋＋提供的二次接口,提出了一种基于SNMP协议实现区分协议流量统计的方法。在此通过技术手段收集流量相关信息,了解网络的性能和局域网对新网络的流量要求,以便于网管员做出精确的网络控制。     

基于边缘流量测量的算法研究

随着互联网的发展,理解网络行为对于网络管理、规划和发展都有重要意义,网络流量测量是研究网络行为的基础。现有的网络流量测量方法大都需要在网络的内部核心节点处进行测量,需要的网络开销比较大。文中在网络边缘处进行流量测量,然后根据边缘测量结果估计网络各个链路上的流量,提出了网络流量估计算法,节省网络测量开销。最后经过仿真证明该算法可行。     

基于BP神经网络的城市交通流预测研究

交通流预测在城市交通管理和控制中起着十分重要的作用。在分析城市交通流复杂非线性特性的基础上引入BP神经网络模型,从人工智能的角度对交通流预测进行了研究,同时给出了一种基于BP神经网络模型的交通流预测方法,通过对预测数据与实测数据的比较分析,证实了该方法的有效性。     

面向流量经营的智能管道

本文从流量经营开展的经营产品人手,具体分析了各类流量经营产品对网络的具体需求,从而推导出智能管道的四大关键能力,给出了四大关键能力的建设目标和策略。同时本文提出了流量经营时代的网络定位和经营模式的3大转变,提出智能管道是流量经营的支撑网络、业务需要向网络提出定制化需求的观点。     

A MANET‐based semantic traffic management framework for ubiquitous public safety networks

A global trend toward large scale emergencies has placed an emphasis on the achievement of a ubiquitous public safety network. Such a network may be realized over a mobile ad hoc network formed by the handheld mobile devices. Therefore, traffic in the network can be user generated and thus semantic. Unfortunately, none of the traffic management techniques proposed for the underlying network considers the semantic properties of the generated traffic. Therefore, in this paper, we propose a semantic traffic management framework which has two modules: traffic monitoring unit and traffic reduction unit. Although the first module analyzes the semantic traffic to detect an emergency, the latter module removes redundant semantic information for traffic reduction. We have supported the feasibility of the proposed semantic framework through simulation. Simulation results suggest that the framework is capable of accurate and early detection of an emergency as well as traffic reduction while keeping sufficient information to report the emergency. Copyright © 2012 John Wiley & Sons, Ltd.     

A federated semi-supervised learning approach for network traffic classification

The classification of network traffic, which involves classifying and identifying the type of network traffic, is the most fundamental step to network service improvement and modern network management. Classic machine learning and deep learning methods have widely adopted in the field of network traffic classification. However, there are two major challenges in practice. One is the user privacy concern in cross-domain traffic data sharing for the purpose of training a global classification model, and the other is the difficulty to obtain large amount of labeled data for training. In this paper, we propose a novel approach using federated semi-supervised learning for network traffic classification, in which the federated server and clients from different domains work together to train a global classification model. Among them, unlabeled data are used on the client side, and labeled data are used on the server side. The experimental results derived from a public dataset show that the accuracy of the proposed approach can reach 97.81%, and the accuracy gap between the federated learning approach and the centralized training method is minimal.