双栈环境下基于sFlow的网络流量采集研究

基于sFlow技术,可设计能兼容采集IPv4/v6流量的监测系统.介绍sFlow报文格式以及报文解析后得到的流量信息,详细说明流量信息的含义及作用.在此基础上讨论流量统计数据库的设计及流量采集流程,涉及IPv4/v6信息的兼容存储及数据查询性能优化处理,并给出采集到的一些流量数据.     

sFlow网络流量分析算法研究

sFlow是一种“统计采样技术”，其分析方法采用1／n数据包采样来描述网络流量的特征，随着获取的样点数量的增加，相对采样误差减小，最终将趋向能与收集每一个数据包来描述网络流量特征达到同样的结果。通过详细地研究sFlow技术，在对比的情况下总结了其优缺点。并对sFlow技术的发展方向提出展望。     

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sFlow技术的园区网蠕虫病毒侦测系统

蠕虫病毒是网络的主要威胁之一.实时流量采集和分析对于快速侦测和定位已感染蠕虫病毒的计算机具有重要意义.常见的蠕虫病毒监测方法如IDS和Sniff等,都存在难以全网监控、无法快速定位伪造IP地址的病毒源的缺点.分析了多种网络流量采集技术的优缺点,重点介绍了sFlow技术,并基于sFlow技术设计实现了一套园区网蠕虫病毒快速侦测系统.     

一种基于sFlow的网络流量分析方法

摘要：随着网络应用越来越广泛，关键的企业应用对网络的依赖性也越来越强，在网络使用上的一些很小的变化都有可能对网络的性能和可靠性造成很大的影响。因此，进行全方位、高速、实时的网络流量分析及网络性能分析成为一项有挑战性的、具有重要意义的研究课题。先前的流量监测技术（如RMON、NetFlow技术）都有许多缺点，而唯有ssFlow技术能够“看透”当今高速、复杂的网络。通过sFlow技术可以采集不同类别的大量的原始信息，但仅仅拥有这些原始信息还远远不够，还需要对这些原始信息进行分析析，从而得出对网络管理者有用的性能信息。本文提出了一种对利用sFlow技术采样的原始数据进行流量分析的方法，并给出了一个基于sF]ow的网络流量分析系统架构。     

用sFlow技术管好网络

实现完善的网络管理一直是各种规模公司长期追求的目标。努力理解所有可能的传输流量、带宽需求、性能含义、安全威胁和计费分配,仅仅是当今网络管理人员所面临挑战中的一部分。随着网络在规模、速度和容量方面的发展,采用基于 RMON 或NetFlow计数器和统计的传统工具,进行监视和管理变得越来越困难。sFlow“永远在线”sFlow(RFC　3176)是基于标准的最新网络导出协议,能够解决当前网络管理人员面临的很多问题。sFlow已经成为一项线速运行的“永远在线”技术,可以将sFlow技术嵌入到网络路由器和交换机ASIC芯片中。与使用镜像端口、探针…     

Openstack虚拟化流量平台监控系统

云平台监控系统是有效保障云服务质量的重要环节,本文在Openstack云平台上进行相应的虚拟服务器监控系统设计. 系统结合Openstack的开源性和强大的可扩展性的特点,以Openstack中的网络组件Neutron面对庞大虚拟服务器流量转发时所出现的瓶颈问题为出发点,结合SDN软件定义网络技术及其重要的南向接口协议OpenFlow解决流量瓶颈问题,设计基于Libvirt和sFlow协议的监控系统,负责获取虚拟机群数据流量信息,并且向上层控制模块以及用户反馈最新的平台负载情况,使用控制模块和流表控制流量转发,最终使整个系统平台达到负载均衡.     

基于sFlow的网络性能管理架构

为了适应对高速网络的管理需求,提出了一种基于sFlow的网络性能管理架构;并对sFlow采样数据包建立了数据仓库,为特殊的管理、分析主题建立了数据集市;该架构可对高速网络进行全范围、实时的性能监测、管理,并提供了一套基础设施,可在其上建立各种网络性能管理工具,具有很强的可扩展性.最后,给出了一个基于该架构的网络性能管理实例.     

基于网络流技术实现Intranet蠕虫快速侦测

分析了蠕虫病毒的主要特征。介绍了两种主要的网络流技术NetFlow和sFlow的优缺点以及在蠕虫病毒侦测中的应用方式,设计实现了一套兼容两种技术的Intranet蠕虫病毒快速侦测系统,重点介绍了蠕虫病毒侦测系统的系统结构和主要关键技术。     

网络管理中流量采集技术的应用

对于网络管理员来说,理解网络流量的特性,了解用户的网络行为是网络管理的重要内容,这可以通过网络流量采集与分析来实现。本文介绍了几种流量采集技术以及各自的优缺点,并重点介绍了网络管理中的NetFlow技术的应用。     

多传感器融合下道路交通车辆碳排放量实时监测方法

面对日趋复杂的道路交通情况,在车辆碳排放量监测时,容易受到干扰因素影响,导致监测结果不精准,提出了多传感器融合下道路交通车辆碳排放量实时监测方法。使用多传感器阵列采集车辆碳排放量信息,利用卡尔曼滤波法计算采集信息各个样本与融合中心欧式距离,以该距离为半径画圆,将全部采集的车辆碳排放量信息融入其中。使用多传感器融合技术的卡尔曼滤波法构建监测点滤波处理模型,结合多传感器融合框架感知多维数据,剔除噪声后监测点预测值。根据线性微分方程累减白化方程时间,构建基于多传感器融合技术的监测模型。根据多传感器双层融合过程,实现车辆碳排放量的实时监测。由实验结果可知,该方法监测结果与实际统计数据存在最大为0.05 Mt的误差,监测所需最短时间为0.1 s,为交通车辆绿色通行提供技术支持。     

基于BP神经网络的非线性网络流量预测

传统的流量分析建立在线性模型的基础上，但是由于复杂的拓扑结构和网络行为，网络流量表现为一个非线性的系统。根据实际网络中测量的大量网络流量数据，建立一个时间相关的基于神经网络的流量模型，预测和分析网络流量状况。相对于传统线性模型该模型具有较高的预测精度、自适应性和鲁棒性。     

TLS协议恶意加密流量识别研究综述

随着5G时代的来临,以及公众对互联网的认识日益加深,公众对个人隐私的保护也越来越重视。由于数据加密过程中存在着恶意通信,为确保数据安全,维护社会国家利益,加密流量识别的研究工作尤为重要。针对TLS流量详细的阐述,分析了早期识别方法的改进技术,包括常见的流量检测技术、DPI检测技术、代理技术以及证书检测技术。介绍了选取不同TLS加密流量特征的机器学习模型,以及无需特征选择的深度学习模型等诸多最新研究成果。对相关研究工作的不足进行总结,并对未来技术的研究工作和发展趋势进行了展望。     

小波神经网络在NGN流量预测中的应用

基于下一代网络NGN（Next Generation Network）的运行环境，该文提出了一个的基于小波神经网络的IP流量预测方法。在神经网络预测模型中，神经网络中的转移函数使用小波函数来替代，从而建立小波基神经网络；同时，通过使用小波多分辨率方法将原始流量信号分解成不同频率成分的分量信号，然后使用分量信号作为训练样本训练小波基神经网络。通过前述方法建立NGN流量预测模型，并根据实际流量数据预测一天的流量。实验结果表明本方法相较未采用小波的神经网络预测方法，能显著提高流量预测精度。     

基于物联网的高速公路安全预警系统研究

高速公路与一般公路相比,在交通量大、气候恶劣的情况下,极易发生交通事故和交通阻塞.该文设计具有自主产权的高速公路安全预警系统,通过物联网与云计算服务,及时、准确、完整地收集并预告前方道路的各类信息,如交通量、事故、路况等.弥补国内智能交通物联网核心技术发展相对滞后,交通信息化相关技术的集成化程度比较低,相应软件设计不够成熟以及交通信息缺乏标准化等缺点,使交通管理朝着低成本、可靠性、节能型、智能化和环境友好型等五大方向发展,提高我国智能交通的发展,减少交通事故发生率.     

动态导航交通信息服务平台系统

随着通信技术、网络技术的快速发展,车辆导航技术正逐步向动态网络导航演进．本文通过分析目前动态导航交通信息服务平台存几个主要薄弱的技术问题,提出层次化的动态导航交通信息服务平台总体框架．该框架由数据供应层、动态导航信息服务层、通信层和用户层组成．本文研究平台的总体框架、软件体系结构、数据库的建立和发布协议等主要关键技术．建立实现了B／S与C／S混合模式的交通信息服务技术平台．     

基于旅行时间检测系统的交通应用研究

由于旅行时间的采集日趋精确，在交通领域被广泛地应用。首先介绍了一种基于精确车牌识别技术的旅行时间检测系统，然后重点阐述了检测数据的决策信息分析和处理，最后提出了一种以旅行时间为目标参数，以元胞自动机模型为基础的短时交通预测模型，并对其关键技术和难点进行了讨论和分析。     

空中交通管制员负荷评估系统的设计

讨论了民航空中交通管制（ATC）工具软件——管制员工作负荷评估系统的实现方法：通过从电报、雷达和基础数据库中获取的航班数据，计算出机场附近各空域中的航班数量和航班位置，以及航班之间的时间间隔，根据以上参数计算管制员的工作强度。并以图形的方式提供给管理人员。     

基于城市交通大数据的车辆类别挖掘及应用分析

实时城市交通监控已成为现代城市管理的一个重要组成部分，视频监控采集的交通大数据在城市管理和交通控制方面得到了越来越多的应用；然而，全城范围内庞大的监控交通大数据还鲜少用于城市交通及城市计算研究。在一个省会城市全城范围内的监控交通大数据上展开了车辆类别挖掘及应用分析研究。首先，定义了周期性私家车、类出租车和公共通勤车三种对城市交通具有重要影响的车辆类别，将车辆类别定义与频繁序列模式挖掘算法相结合提出了相应的挖掘方法。在济南市一周1704个视频监测点，1.2亿次车辆记录数据上，验证了所提定义及挖掘方法的有效性；其次，以4个居民小区为例挖掘分析了居民出行的交通方式及与周围兴趣点（POI）分布关系，此外，还探索了城市交通大数据与POI相结合在城市规划、需求预测和偏好推荐方面的应用潜能。