校园骨干网流量监控系统设计与实现

介绍了网络性能测量领域目前使用的两种方法,然后采用被动测量技术,结合开源软件,设计并实现了校园骨干网流量监控系统.该系统使用循环轮转型文件存储数据,解决了因数据存储量过大而导致系统计算效率低的问题.同时,该系统可以实时直观地显示各条链路的流量负载情况,为制定路由策略和网络建设规划提供参考.     

NetFlow流量采集与存储技术的研究实现*

为解决高速大流量网络的流量监测与分析问题,提出了一套基于NetFlow的流量采集与存储方案,设计了多线程与双链表的NetFlow数据采集机制,有效提高了数据采集效率和可靠性.此外,在存储原始NetFlow数据的基础上,设计了一套NetFlow流量的三级聚合和存储方案.基于此方法可对纷繁复杂的原始流量信息进行有效整理,为前端静态、动态流量分析提供合理高效的数据支持.     

基于分布式统计时间序列的网络流量分析

研究网络数据在分布式存储下的相关性,有利于入侵检测整体的学习和指导优化数据的存储.重点研究了网络传输过程中各种类型数据的流量的这种相关性,提出了一种基于分布式统计(DS)的时间序列分析方法:根据网络协议间的关系将数据包分组,分析数量关系并给出报警阈值.仿真实验结果表明,该方法能较好地发现各种网络攻击.     

基于自相似特性的流量测量采样方法

针对大型网络流量测量中测量数据量巨大、不能有效地描述流量特征的问题,本文将近年来网络研究的热点自相似性运用在流量测量中。根据流量变化对自相似参数H的影响,提出了一种基于网络的自相似特性的流量测量采样方法。该方法降低了流量测量的采样频率,能够及时、准确地发现网络异常,并能使测量数据更准确地刻画流量特征。     

基于Hadoop的网络流量分析和特征计算

长期以来,互联网流量的测量和分析可用于识别网络资源和用户行为,但随着互联网的快速发展和网络的高速访问,网络流量分析愈发困难。大规模的网络流量数据需要具备与之相匹配的存储、计算资源。基于此,提出了基于Hadoop平台的分布式网络流量存储和基于多层的并行计算流特征。通过10个节点,进行针对2TB流跟踪文件的37个网络流侯选特征的计算试验。结果表明,基于Hadoop平台的分布式存储和计算,大大提高了大规模网络流的处理速度,且随着网络流量规模的扩大,网络流量的分析和特征计算时间非常稳定。     

火箭发动机地面试验低温推进剂流量测量系统

针对液体火箭发动机地面试验低温推进剂流量的测量要求,通过涡轮流量计获取瞬态流量数据,分节式电容液位计配套测量装置获得稳态流量数据,建立流量测量系统,可完成稳态质量流量和瞬态质量流量的计算,同时完成推进剂加注时液位测量和发动机试验时上下液位监视.介绍了流量测量系统的组成,论述了涡轮流量计和分节式电容液位计测量原理以及流量测量方法,并对测量数据进行处理和分析,最后针对低温推进剂流量测量的特点,提出了稳态质量流量测量的可改进方向.     

流量数据时间机系统的数据存储改进

介绍了一种在高速网络通信量的环境下俘获流量并对流量进行存储、反馈的性能较优的系统和几种流行的数据压缩算法。将压缩算法引入该系统,采用两级索引重新设计改进了系统的分类存储模块,在不改变时间机对数据的访问速度前提下,提高了时间机的空间利用率;且通过对三种压缩算法的实验结果进行全面的分析,得出结论将最优压缩算法gzip应用与流量数据系统的数据存储部分,让系统能存储更多的网络流量且能将存储数据保留更长的时间。     

基于多通道稀疏LSTM的蜂窝流量预测研究

下一代蜂窝网络在网络管理和服务供应场景中发挥着重要的作用,对移动网络流量的预测分析正变得越来越重要.文中针对城市蜂窝流量的预测,设计了一个基于多通道稀疏长期短期记忆网络(Long Short-Term Memory,LSTM)的流量预测模型.相对于多层感知器网络或其他神经网络结构,LSTM非常适合处理时间序列数据问题.所设计的多通道方式能够有效捕获多源网络流量信息,其稀疏方式使其自适应地对不同的流量时间节点赋予不同的权重,提高了深度神经网络模型捕捉重要特征的能力.在意大利米兰城市蜂窝流量数据上进行了实验,评估了所提方法对单步和多步预测的性能.实验结果展示出所提方法比基准方法更精准.此外,实验还报告了蜂窝流量中不同持续时间采样设置对LSTM网络模型的可存储长度及预测精度的影响.     

NetStream技术应用

NetStream技术是一种基于网络流量信息的统计技术,通过对华为9306型号交换机的配置实现对流量数据的采集与发送;基于V5版本的报文格式,开发了流量数据接收与存储软件,以完成流量数据的收集与存储;使用第三方流量监测软件Netflow Analyzer对统计信息进行了分析,分析的结果可以为网络计费、流量监控和分析等提供依据。     

FCIP跨层流量控制的建模与仿真

基于光纤通道技术的存储区域网络为存储应用提供了高性能的数据访问。为研究FC协议与TCP协议混合流量控制方法,本文基于OPNET仿真软件,建立FCIP协议的跨层流量控制模型,并对其跨层效果进行仿真分析。     

ICN体系结构与技术研究

当前的互联网体系结构是基于终端间包交换的点到点连接通信架构。随着实时视频、话音等通信业务量的日益激增,由于TCP/IP体系固有结构的束缚,互联网传输、处理这些实时多媒体数据的能力受到越来越大的挑战,体现在效率低下、用户体验差。信息中心网络应运而生,它将内容与终端位置剥离,通过对内容进行命名和基于内容名字的路由开展了对互联网体系结构变革的研究探索。     

A scalable solution for engineering streaming traffic in the future Internet

As traffic on the Internet continues to grow exponentially, there is a real need to solve scalability and traffic engineering simultaneously – specifically, without using over-provisioning in order to accommodate streaming media traffic. One of the threats to the current operation stability of the Internet comes from UDP-based streaming media applications, such as Skype (which is currently doubling every 6-month) today and video services in the near future. This paper shows how the Internet can benefit from pipeline forwarding in order to: (i) construct ultra-scalable IP switches, (ii) provide predictable quality of service for UDP-based streaming applications, while (iii) preserving elastic TCP-based traffic as is, i.e., without affecting any existing best-effort applications.     

因特网业务量多重分形性本质成因的研究

近年来,关于因特网业务量多重分形性的研究已成为网络通信研究领域的一个热点.目前,在关于这一多重分形性的成因方面已经有了一些研究成果,大部分都认为这是由现代网络分层的体系结构造成的.然而这些结论对现代因特网的负载极重这一事实及其对网络业务量性质的影响没有给予充分的重视.通过对已有成果的研究,结果表明,在网络处于重负载的条件下,业务量多重分形性是由于TCP(transmission control protocol)独特的发送行为和多个TCP连接的汇聚造成的.为了支持这一结论,利用小波分析、模型模拟分析、实际数据计算等手段,从多个方面进行了论证.由于该发现是由现代因特网的实际情况得出的,因而比某些现有的结论更加接近实际,并且对因特网的网络设计和性能估计等方面具有重要的理论指导意义和实际使用价值.     

无尺度网络下的僵尸网络传播模型研究

僵尸网络是一种从传统恶意代码进化而来的新型攻击方式,已成为Internet安全的一个重大威胁。建立僵尸网络的传播模型已成为研究僵尸程序传播特性最有效的一种方法。当前建立的僵尸网络传播模型均是基于随机网络理论的,而实际的Internet是一个具有无尺度特性的复杂网络,因此,这些主流传播模型并不能完全准确反映僵尸程序在Internet的传播特性。提出了一种基于无尺度网络结构的僵尸网络传播模型,根据Internet的实际情况,结合网络流量阻塞这一Internet中的常态现象,重点考虑了真实Internet中节点的增长性和择优连接性。仿真结果表明,该模型不仅符合真实Internet网络中僵尸程序的传播规律和感染特性,而且能够反映出网络中出现拥塞时僵尸程序的感染特性。     

基于混沌理论的网络数据流RBF神经网络预测

应用相空间重构理论，研究了网络数据流的混沌特性，计算了实际网络数据流的关维数、Lyapunov指数，证实网络数据流存在混沌现象；据此建立了基于径向基函数(RBF)预测模型，对实际网络数据流进行预测。仿真实验表明，相对于反向传播(BP)神经网络预测，基于混沌理论的RBF神经网络预测方法学习速度快，预测精度高。     

内核级网络流量监测系统

针对互联网面临的僵尸网络、渗透等恶意威胁,如何确保网络设备的高可靠性、数据的安全性和完整性,是急需解决的问题。本文设计实现了内核级网络流量监测系统,本系统包括流量采集、流量检测、流量统计、防护模块和Web控制台五大模块,实现了流量的捕获和监测均在内核完成,减少了性能开销。使用本系统能够减少服务器遭受恶意流量攻击,为众多Linux服务器提供强大的保护。     

网络流场：理论和方法

随着互联网的迅猛发展,网络运营部门和网络管理部门迫切需要分析网络的运行状况,以保证网络的可用性、稳定性和安全性。然而,目前对网络运行状况的分析难度正逐渐增大,用户数量的快速增长,网络带宽的不断增加,网络流量的频繁变化以及新应用日趋复杂等,均给网络流量分析带来了巨大的挑战。因此,为了解决目前网络分析技术面临的难题和挑战,提出了一种网络流量分析的新型方法——网络流场理论和方法。网络流场不仅关注如数据包及网络流等“硬性”指标,而且更关注网络中的流量分布和发展趋势,因此能反映出网络流的分布以及节点之间的关系,从而反映网络的社会属性。网络流场以全新的视角对网络进行剖析,并进行定性和定量的分析,不仅能分析网络流量的基本信息,而且可以挖掘网络中的隐含信息,如时序关系、状态转换关系、私有网络拓扑、关键节点和关键路径等。实验结果表明,网络流场可以取得很好的分析效果,网络流场理论既可以有效地为现有的网络管理及网络分析提供更高层次的研究架构和研究模型,指导网络管理、分析、测量及安全保障等领域的研究和实践,又有利于网络的发展和技术的进步。     

基于方差分析和支持向量机技术的P2P流量检测

P2P流量逐渐成为了互联网流量的重要组成部分,在对Internet起巨大推动作用的同时,也带来了因资源过度占用而引起的网络拥塞以及安全隐患等问题,妨碍了正常的网络业务的开展.首先介绍了各种P2P流量识别方法及其优缺点,然后提出一种基于方差分析的P2P流量特征选择方法和基于该方法的支持向量机技术在P2P流量准实时检测中的应用模型.实验结果及分析表明,该方法能较有效地检测P2P流量并具有更好的检测精度.     

Internet 流量模型分析与评述

Internet流量模型对网络性能管理、QoS、准入控制等都有很重要的意义和作用.首先总结了现阶段已发现的主要网络流量的特性及相关度量参数,概要地介绍网络流量建模的意义和分类,然后按照"传统-自相似-流量建模的新发展"这3个阶段阐述网络流量建模的发展历程与最新的研究成果,最后针对目前网络流量建模中存在的难点问题,展望了该领域未来的研究发展方向.     

Packet Spacing: An Enabling Mechanism for Delivering Multimedia Content in Computational Grids

Streaming multimedia with UDP has become increasingly popular over distributed systems like the Internet. Scientific applications that stream multimedia include remote computational steering of visualization data and video-on-demand teleconferencing over the Access Grid. However, UDP does not possess a self-regulating, congestion-control mechanism; and most best-effort traffic is served by congestion-controlled TCP. Consequently, UDP steals bandwidth from TCP such that TCP flows starve for network resources. With the volume of Internet traffic continuing to increase, the perpetuation of UDP-based streaming will cause the Internet to collapse as it did in the mid-1980's due to the use of non-congestion-controlled TCP.To address this problem, we introduce the counter-intuitive notion of inter-packet spacing with control feedback to enable UDP-based applications to perform well in the next-generation Internet and computational grids. When compared with traditional UDP-based streaming, we illustrate that our approach can reduce packet loss over 50% without adversely affecting delivered throughput.