基于sFlow技术的网络流量监测系统研究

讨论传统流量测量技术的局限,介绍基于sFlow技术的流量监测系统设计与实现.使用本系统能够提供更为详实的全网网络流量数据,这是使用传统方法难以实现的.     

基于MRTG的网络流量监测的研究

MRTG在网络流量监测中被广泛应用，针对MRTG界面不友好，不保留历史资料，不能方便地进行横向、纵向比较的不足，结合实践，提出了一套完整的解决方案。     

基于NetFLow的开源网络流量监测分析系统浅析

简要分析了当前网络流量监测的技术方式,选取当前应用最为广泛的NetFlow技术为重点,对运行机制进行介绍,并结合低成本高扩展的开源软件FlowScan创建网络流量监测分析系统,运用其扩展性作对比,最后总结并预测NetFlow与FlowScan相结合应用的前景与发展趋势。     

基于Netflow和异步服务的网络流量监测系统

提出了一种基于Netflow的网络流量监测系统,介绍了系统中各组件的功能,并对其中的核心部分——Netflow处理模块——进行了分析;该模块的设计采用基于事件驱动的异步网络框架Twsited,与传统的基于进程或多线程的设计相比,该设计节省了系统资源,避免了多线程的复杂性并且在网络流量很高的情况下具有很好的吞吐性能。     

基于流量特征的网络流量预测研究

传统的非线性模型已经不再适用于网络流量建模,为了能够更精确地对网络流量建模,必须考虑到网络流量的特性。针对网络流量的自相似、长度分布、周期等特征进行分析,结合小波变换与时间序列模型,有效地建立流量预测模型。首先对流量的自相似和平稳性进行分析,并对长度、周期等特征进行描述,其次根据实际流量的自相似性和平稳性选择小波变换与时间序列相结合的方法进行建模,产生预测结果,最后根据长度与周期特征粗略判断预测的合理性。根据实验验证与分析,该方法具有极大的灵活性,相比单一的小波-FARIMA模型可以减少大量的运算,同时能够描述网络流量的短相关与长相关特性。     

基于TCP/IP的网络流量监测系统模型的研究

网络流量监测对网络的资源分布、容量规划、服务质量分析、错误监测与隔离、安全管理都十分重要,文中介绍了网络性能监测领域的研究现状,并在此基础上,提出了基于TCP/IP的网络性能监测模型,并阐释了实现该模型的关键技术。     

基于Netflow的网络流量监测系统研究

网络流量测量是认识网络规律、了解网络行为的前提工作.文章从网络流量监测系统的需求出发,提出了一种基于Netflow的网络流量监测系统的解决方案,重点阐述了网络流量监测系统的总体结构设计、数据包的采集和流量数据统计等内容.同时采用Visual C++6.0技术设计该方案的平台架构,指出了实现网络流量监测系统的关键技术和方法,实现了网络流量监测和管理;该系统的实现可以有效地监控网络流量状况.     

基于SharpPcap的网络流量监控系统

为了在局域网中能够实时监视网络流量,并对流量进行分析和控制,提出了一个基于SharpPcap框架的局域网流量监控系统(SPCatcher).通过对网络流量监视、流量分析、流量控制等子模块进行需求分析,设计了流量监控系统的框架模型,并给出了根据数据传输方向和指令响应顺序进行划分和组合的功能实现图.通过SPCatcher系统捕获网络流量并进行分析,找出网络性能降低的源头,进而可对存在滥用网络带宽行为的特定客户端进行流量控制.实现了软件系统,测试结果验证了SPCatcher系统的流量监控功能的有效性.     

高速网络流量监测系统的设计与实现

设计并实现了一种高速网络流量监测系统。该系统基于高速数据采集卡和普通服务器,在硬件采集、存储数据的基础上,实现数据捕获、分析、统计、报表等功能。通过该系统,用户可以制定针对特定业务的流量监测,并且可以对网络的健康状况和瓶颈等进行测试,帮助用户迅速地确定网络问题。目前该系统己经运行在实际网络环境中。     

基于Winpcap的网络流量测量系统的应用研究

本文设计和实现一个基于WinpCap的网络流量监测系统,详细阐述了数据包捕获和Web显示界面的设计与实现,给出了相关的函数体,并描述了系统的实现。     

基于信息熵的网络流量信息结构特征研究

随着人们对网络流量特征研究的深入,网络异常检测技术得以不断发展,因此流量特征分析是网络异常检测的基础性重要工作。文章研究基于熵的流量信息结构特征,不同于已有的网络流量初级统计特征研究,它以提取的流量属性在单位时间内分布特征为研究对象。基于 DARPA 99数据集的实验表明,该方法相对于基于流量初级统计特征方流量异常表示方法具有更强的敏感性。     

基于决策树的网络流量异常分析与检测

针对现有网络流量异常检测方法准确率较低的问题,提出基于决策树的网络流量异常分析与检测方法。研究网络流量结构特征及流量异常的交叉熵表示方法。采用C4.5算法建立决策树模型,将具有连续性的属性值离散化,根据最大信息增益比逐层选取分类属性,依此规则对流量数据进行分类。实验结果表明,当该方法的检测准确率达90%以上时,误报率可控制在5%以内,与同类方法相比能更准确地发现网络流量异常并进行分类。     

基于特征融合卷积神经网络的端到端加密流量分类

针对现有人工神经网络方法在网络加密流量分类应用中结构复杂且计算量大的问题,首次提出了一种基于特征融合的轻量级网络模型Inception-CNN,用于端到端加密流量的分类,在显著提高分类结果准确性的同时,大大降低了网络计算复杂度。利用Inception模块1×1卷积进行降维,减少了计算参数;从不同的感受野中做到不同级别上的特征提取,将多种不同尺寸滤波器卷积的特征进行融合,从而在原始数据中提取到更加丰富的特征自动学习原始输入和预期输出之间的非线性关系;利用池化操作没有参数的特性,防止产生过拟合。选择使用国际公开ISCX VPN-nonVPN数据集作为实验数据,采用softmax作为分类器,实现了对加密流量的准确分类。实验结果表明,该模型分类准确率达到97.3%、精确率达到97.2%、召回率达到97.7%、F1-score达到97.5%,并且对不同类别的加密流量识别效果也更加均衡。     

基于包络特征的IDC网络自适应流量调控方法

传统流量调控方法不能自动调整约束规则,导致面对不同流量密度时,容易出现较大的带宽损失率,因此基于包络特征,研究一种全新的IDC网络自适应流量调控方法.该方法构建IDC网络流量能耗模型,提取包络特征并获取流量空间分布状态,根据网络内部信息流向设置调控自适应约束规则,应用BP神经网络改进IDC网络自适应流量调控的实现.实验...     

基于特征融合的恶意加密流量识别

随着加密技术的全面应用, 越来越多的恶意软件同样采用加密的方式隐藏自身的网络活动, 导致基于规则和特征的传统方法无法满足准确性和普适性的要求. 针对上述问题, 提出一种层次特征融合和注意力的恶意加密流量识别方法. 算法具备层次结构, 依次提取数据包的特征和会话流的特征, 前一阶段设计全局混合池化方法进行特征融合; 后一阶段使用注意力机制提高BiLSTM网络分析序列关系的能力. 最终, 实验采用CIC-AndMal 2017数据集进行验证, 结果表明: 模型设计合理, 相比TextCNN模型和HST-MHSA模型, 漏报率分别降低5.8%和2.6%, 加权F1值分别提高4.7%和3.5%, 在恶意加密流量识别和分类方面体现良好的优化效果.     

基于SU和AMB的网络流量特征选择算法

在基于网络流量分析,被动式的网络设备识别研究中,网络流量数据中往往存在许多高维数据,其中的部分特征对设备识别贡献不大,甚至会严重影响分类结果和分类性能.所以针对这个问题本文提出了一种将Filter和Wrapper方式相结合,基于对称不确定性(SU)和近似马尔可夫毯(AMB)的网络流量特征选择算法FSSA,本文提出的方法...     

Document Clustering With Dual Supervision Through Feature Reweighting

Traditional semi‐supervised clustering uses only limited user supervision in the form of instance seeds for clusters and pairwise instance constraints to aid unsupervised clustering. However, user supervision can also be provided in alternative forms for document clustering, such as labeling a feature by indicating whether it discriminates among clusters. This article thus fills this void by enhancing traditional semi‐supervised clustering with feature supervision, which asks the user to label discriminating features during defining (labeling) the instance seeds or pairwise instance constraints. Various types of semi‐supervised clustering algorithms were explored with feature supervision. Our experimental results on several real‐world data sets demonstrate that augmenting the instance‐level supervision with feature‐level supervision can significantly improve document clustering performance.     

基于直方图聚类的网络流量异常检测技术研究

基于流量特征的异常检测技术主要是通过网络流量特征属性分布规律映射网络异常行为。为提高检测准确率,降低误报率,文章提出了基于流量特征直方图聚类的异常检测和分类的技术。通过直方图的方法详细描述网段流量特征的时空信息,然后聚类分析各种属性特征的正常模型,最后根据待测流量特征属性与正常模型之间的距离所组成的向量来衡量异常。基于DARPA99数据集的实验表明,该算法具有较高的异常检测和分类准确性。     

基于网络流量特性的分析模型研究

网络流量模型能简洁、准确和全面地刻画出真实流量数据中对网络性能有显著影响的主要因素。随着对流量特性的逐步认识，流量分析模型也在不断完善。文章根据网络流量特性的研究进展，介绍了基于不同特性的流量分析模型的理论依据，并分析了它们的适用范围、存在的问题和应用前景，同时展望了流量分析模型的未来研究方向。     

一个基于TCR改进模型的网络流量管理系统①

网络流量管理技术是保证网络服务质量的重要前提。在研究网络流量识别与控制两种关键技术后,提出了一个实用的网络流量管理系统。在端口和特征值双层识别流量类型基础之上,针对TCP Ratecontrol（TCR）在往返时延的测量上难度大,精度低等不足,设计出了一种改进的流量控速模型,使得速率的控制更加有效和精确。最后在Linux的netfilter架构下实现了基于该模型的原型系统。通过实验测试验证了其有效性和准确性。