基于FreeBSD内核的虚拟服务器研究与实现

服务器集群是实现高性能网络服务的有效结构,而报文转发技术是发挥服务器集群性能的关键。高效的报文转发技术使得集群的调度负载很轻,具有很高的可扩展性。IP隧道技术/直接路由是两种新颖而且高效的报文转发技术。FreeBSD是理想的网络服务器操作系统,但目前基于FreeBSD的集群调度系统均采用网络地址转换技术,系统可扩展性有限。本文讨论了基于FreeBSD操作系统内核,采用IP隧道/直接路由报文转发技术的虚拟服务器(FVS)系统的设计动机及实现,重点探讨了系统的体系结构及实现关键技术。我们基于FreeBSD-5.3内核实现了FVS系统,性能测试结果表明,该系统的调度负载很轻,有很好的可扩展性。     

FreeBSD内核编程初步（一）

随着Unix／Linux在国内的流行，基于它们的开发也变得越来越重要，因而更多的人对更深层次的开发也越来越有兴趣。这些兴趣就包括对核心的研究、学习、开发、定制等等。     

FreeBSD动态内核链接机制的安全研究

FreeBSD下的动态内核链接机制KLD。使得系统管理员可以在正在运行的FreeBSD上动态增加或删除某一功能模块。KLD运行在内核空间。给系统的安全带来较大的挑战。本文针对FreeBSD5．2release．对其KLD实现机制进行分析，并从系统攻击与防护两方面进行了详细的讨论与研究。本文所分析截获系统调用和修改内核队列的代码．均在FreeBSD5．2R下调试通过。     

Linux内核支持服务质量的改进

分布实时计算平台存在着服务质量（QoS）问题,选择Linux系统并对其进行QoS扩展来解决这一问题。总结出Linux进程管理策略与机制分离的重要设计风格,来建立支持QoS要求的实时调度器,从而不需要修改应用就能满足应用的QoS需求。然后选择EDF实时调度算法作为扩展目标,引入了“预留”对象这一数据结构,在Linux进程间共享QoS,建立了支持QoS的新的Linux核心,更好地满足了实时系统的QoS需求。     

基于UNIX内核的组调度技术

并行调度技术是并行操作系统研究领域的“热点”问题之一。本文提出一种全交换组调度方式的并行调度算法，并介绍了基于ＵＮＩＸ内核的实现技术。     

支持服务质量的Linux内核设计与实现

Linux操作系统对实时QoS支持较弱,但具有很好的实时应用前景。本文选择对Linux在内核级进行QoS扩展。利用Linux进程管理策略与机制分离的设计风格,设计了一个内核级的支持QoS的实时调度器。不需要修改应用,就能满足应用的QoS需求。选择EDF实时调度算法作为扩展目标,引入了“预留”对象这一数据结构,实现了进程间的共享QoS。该新的Linux内核能更好地支持QoS,满足了实时系统的QoS需求。     

开源软件FreeBSD内核进化研究

摘要：归纳开源软件项目的数据源及数据收集方法,给出FreeBSD内核的软件进化分析方法和相关分析结果。重点分析了FreeBSD系统和主要子系统的复杂性进化趋势及推动进化的主要原因,提出了快速测算大型开源软件复杂性的方法。     

基于复杂度对开源软件Linux和FreeBSD内核的分析

开源软件内核进化分析是一个较新的研究方向,研究大型自由和开源软件进化可以帮助估计软件体系结构的稳定性,可以较准确地预报软件进化趋势和预报软件进化结果.选取Linux和FreeBSD的多个版本的内核进行数据的收集和处理.采用低层次的度量尺度,利用分析工具SLOCOUNT和CCCC,对提取的内核数据进行复杂度分析,得出开源自由软件进化的结论,并提出了快速测算大型开源软件进化趋势和复杂性的方法.     

基于结构体随机化的内核Rootkit防御技术

内核Rootkit对于操作系统来说是个严重的威胁.入侵者通过植入内核Rootkit,修改一些关键的内核结构体,实现恶意进程隐藏、日志文件删除、私密信息窃取等恶意行为.由于Rootkit主要通过篡改内核结构体对象来实现控制流截取,因此我们试图通过结构体随机化来防御这些入侵.在文中,作者提出了一种基于编译器的自动结构体随机化技术,解决了包括结构体的可随机化识别,随机化语义不变保护以及自动随机化等多个技术难题,最终利用随机环境下攻击者无法预知结构体域排列的特点,实现对内核Rootkit的防御.在实验环节,我们在被随机化的Linux系统中测试了已知的5种不同原理的8个真实的Rootkit,结果展示了我们的方法以几乎零负荷的代价防御了全部的Rootkit加载.     

基于网络QoS的控制系统协同设计方法研究

针对网络环境下控制系统的协同设计问题展开研究. 首先应用工业网络特性建立了依赖于网络参数和控制参数的网络服务质量模型, 并且在此基础上分析了网络性能与控制性能的强耦合关系. 进而, 提出给定控制系统性能指标和网络资源受限条件下的控制参数和网络参数的联合优化设计方法. 最后通过实验证明本文方法的有效性.     

Adaptive Call Admission Control Based on Reward-Penalty Model in Wireless/Mobile Network

A dynamic threshold-based Call Admission Control （CAC） scheme used in wireless/mobile network for multiclass services is proposed. In the scheme, each class＇s CAC thresholds are solved through establishing a reward-penalty model which strives to maximize network＇s revenue. In order to lower Handoff Dropping Probability （HDP）, the scheme joints packet and connection levels Quality of Service constraints, designing a bandwidth degradation algorithm to accept handoff calls by degrading existing calls＇ bandwidth during network congestion. Analyses show that the CAC thresholds change adaptively with the average call arrival rate. The performance comparison shows that the proposed scheme outperforms the Mobile IP Reservation scheme.     

支持时钟同步技术的无线传感网操作系统研究及内核实现

详细分析了无线传感网操作系统的硬件平台环境、自身特点和基本功能，提出了一种合理划分内核层与服务层功能的操作系统整体架构及内核结构．该内核结构采用数据融合加强对精度要求较高的时钟同步任务的支持．给出了相关内核服务例程和基本的数据结构的设计．试验数据表明，数据融合后时钟同步算法中的多跳误差累积得到明显降低．     

基于网络服务质量的网络控制器设计

针对网络服务质量对控制系统性能的影响, 建立了联合网络参数和控制器参数的系统模型. 在此基础上分析了网络控制系统保性能控制器存在的网络参数和控制参数依赖条件, 并且通过求解线性矩阵不等式, 给出了控制器的参数化设计方法. 所设计的控制器在满足一定的网络服务质量摄动范围内, 不仅可以使系统渐近稳定,而且还能确保系统性能不大于上界. 本文方法给出网络服务质量变化对控制系统性能衰减的一种定量度量, 可以为进一步的网络调度提供理论依据.     

基于用户请求服务的QoS评价模型

进行SOA系统构建时,在选择同一功能服务不同物理实现的过程中,需要考虑用户适合度。提出根据用户需求确定服务QoS属性集的方法,该方法用扩展的WSDL协议描述服务QoS,量化服务QoS和用户QoS需求。构建基于用户请求的服务质量模型和相应算法,完成对最佳用户适合度服务物理实现的选择。     

可信可控网络中的QoS 资源控制模型

基于前期工作——可信可控网络体系结构TCNA(trustworthy and controllable network architecture),提出了一种QoS资源控制模型(resource control model for QoS,简称RCMQ).该模型从网络可控角度将QoS控制分为4层:QoS决策层面、QoS观测层面、QoS接口层面和QoS资源层面,模型部署包括独立集中的域内控制和一致性分布式控制.RCMQ模型闭环控制结构保证了QoS控制的有效性,而独立集中的QoS决策层面使得模型具有可扩展性.最后,通过仿真实验验证了RCMQ资源控制模型与InterServ模型相比,能够提供更为稳定的QoS传输,并且极大地减少了QoS状态维护,同时也从侧面说明可信可控网络体系比传统TCP/IP网络具有更高的可控性.     

网络服务质量动态监测的远程机器人控制

为了有效地控制远程机器人 ,提高机器人的运动控制精度 ,通过测量网络动态性能 ,得到了网络服务质量参数 ;通过排队网络模型求解 ,得出远程机器人在线控制参数 ;通过对远程移动机器人的控制实验 ,验证了本控制算法的可行性 .本控制算法可以推广应用于对其它网络设备的远程监控     

A QoS Based Reliable Routing Mechanism for Service Customization

Due to the rapid development of the Internet technology such as 5G/6G and artificial intelligence, more and more new network applications appear. Customers using these applications may have different individual demands and such a trend causes great challenges to the traditional integrated service and routing model. In order to satisfy the individual demands of customers, the service customization should be considered, during which the cost of Internet Service Provider (ISP) naturally increases. Hence, how to reach a balance between the customer satisfaction and the ISP profit becomes vitally important. Targeting at addressing this critical problem, this work proposes a service customization oriented reliable routing mechanism, which includes two modules, that is, the service customization module and the routing module. In particular, the former (i.e., the service customization module) is responsible for classifying services by analyzing and processing the customer’s demands. After that, the IPv6 protocol is used to implement the service customization, since it naturally supports differentiated services via the extended header fields. The latter is responsible for transforming the customized services into specific routing policies. Specifically, the Nash equilibrium based economic model is firstly introduced to make a perfect balance between the user satisfaction and the ISP profits, which could finally produce a win-win solution. After that, based on the customized service policies, an optimized grey wolf algorithm is designed to establish the routing path, during which the routing reliability is formulated and calculated. Finally, the experiments are carried out and the proposed mechanism is evaluated. The results indicate that the proposed service customization and routing mechanism improves the routing reliability, user satisfaction and ISP satisfaction by about 8.42%, 15.5% and 17.75% respectively compared with the classical open shortest path first algorithm and the function learning based algorithm.