无线移动网流量建模及其关键技术研究

针对通信网建模仿真过程中的关键技术环节：网络业务流量建模,本文采用软件工程的思想,分析并给出了其流量建模的一般流程及典型方法,同时针对如何在仿真模型中加载业务量分布模型的难题,提出了一种利用OPNET PDF概率编辑器来实现业务量比例分布矩阵的运算方法,由此精确控制了各通信单元间的业务强度分布.其研究成果对无线移动通信网建模方法体系的构建和完善具有重要参考价值.     

基于遗传程序设计的Internet业务流量分析与预测

由于现代网络信息传输的高突发性和高随机性,现有基于时间序列的分析与预测方法(如统计建模、回归分析、灰色建模、神经网络建模等)存在很大局限性。在指出了现有方法的局限性的基础上,为了着重解决Internet业务流量的建模与预测自动化问题,从网络行为具有自相似的特性出发,提出了对Internet业务流量时间序列的建模与预测采用遗传程序设计的自动化演化建模方法。     

基于骨干网的并行集群入侵检测系统

骨干网的大流量要求实现骨干网入侵检测系统必须改变传统的入侵检测系统结构模型并采用高效的入侵检测技术,在对骨干网入侵检测系统的关键技术进行深入研究的基础上,设计并实现了一种适用于骨干网的基于规则的入侵检测系统BNIDS(Backbone Network Intrusion Detection System),讨论了BNIDS系统的并行集群检测模型、报文捕获机制和基于规则的分析引擎,试验结果表明,可扩展的BNIDS系统能够对骨干网流量进行实时入侵检测分析。     

多协议标记交换网络的流量工程

为满足用户对网络运行效率、可靠性以及服务质量越来越高的要求，在大型公共骨干网的设计和运行中必须要考虑流量工程，ＭＰＬＳ为流量工程的实施提供了技术保证。介绍了流量工程，分析了ＭＰＬＳ实现流量工程的原理及相关技术，指出其优势所在。     

基于“焦点”的互联网骨干网讨价还价结算

分析了互联网互联互通结算. 通过两阶段博弈模型，得出不同的互联网骨干网对互联互通质量的偏好不同的结论：大的骨干网相对于小的骨干网而言，更喜欢较低的互联互通质量，对于社会来说，最佳的互联互通质量介于二者之间；小的骨干网向大的骨干网支付一定的费用，从而使大的骨干网提高互联互通质量，是1种帕雷托改进. 文中引入焦点均衡，2个骨干网通过讨价还价的方式确定互联互通质量，不仅减少交易成本，同时也减少规制成本.     

BitTorrent流量特性分析和建模

通过对运营商网络上实际的网络流量数据的统计分析，总结了BitTorrent流量的特性，提出了一种基于周期规律特性的流量建模方法，这种方法可以对BitTorrent流量进行预测，使用该方法对已有数据分析，把预测流量与实际流量比较，该方法误差较小，能够用来预测BitTorrent的流量。     

下一代网络中融合业务的描述与生成方法研究

现有的电信业务提供方式无法满足NGN（下一代网络） 融合业务生成的需要，为了解决这个问题，在深入探索MDA（模型驱动架构）软件开发方法 后，提出了将MDA引入到业务创建中，以支持业务建模和模型的细化. 此外，重点论证了MDA 方法中的一个重要方面——UML（统一建模语言）对业务模型准确、全面描述的能力.     

下一代网络中融合业务的描述与生成方法研究

现有的电信业务提供方式无法满足NGN（下一代网络） 融合业务生成的需要，为了解决这个问题，在深入探索MDA（模型驱动架构）软件开发方法 后，提出了将MDA引入到业务创建中，以支持业务建模和模型的细化. 此外，重点论证了MDA 方法中的一个重要方面——UML（统一建模语言）对业务模型准确、全面描述的能力.     

业务过程建模及其形式化验证

针对业务过程建模复杂、模型一致性难以保证的问题,提出一种求精式业务过程建模及其形式化验证方法.结合语义本体技术、基于统一建模语言(UML)的扩展机制,实现对业务过程中的不同关注点进行多视角地可视化建模.业务过程建模是一个“整体抽象过程→声明式过程→命令式过程”多阶段的求精过程.引入环境本体的概念,以软件交互对环境状态的影响来描述软件行为和能力,并在此基础上给出了模型相关定义及其形式化语义.结合一个简化的产品交易系统实例详细论述如何采用声明式形式化语言Alloy进行业务过程模型定义和模型求精的形式化验证.实例表明,采用分阶段求精式业务过程建模方法,并围绕模型语义通过Alloy语言进行形式化验证,可以有效地提升建模过程的灵活性和保证模型规范的一致性.     

基于IS-95标准的联通133网技术综述

主要介绍联通133CDMA骨干网的总体结构、功能模块及其IS-95标准。着重阐述骨干网中的功率控制、切换等几项键技术,并对未来宽带通信业务的发展作了一些比较,提出一些思考。     

Traffic danger detection by visual attention model of sparse sampling

A method to detect traffic dangers based on visual attention model of sparse sampling was proposed. The hemispherical sparse sampling model was used to decrease the amount of calculation which increases the detection speed. Bayesian probability model and Gaussian kernel function were applied to calculate the saliency of traffic videos. The method of multiscale saliency was used and the final saliency was the average of all scales, which increased the detection rates extraordinarily. The detection results of several typical traffic dangers show that the proposed method has higher detection rates and speed, which meets the requirement of real-time detection of traffic dangers.     

企业IT网络异常流量综合检测模型与算法(会议)

结合企业内部IT网络特点,提出了用时间窗比较进行网络异常流量检测的新算法;将所提出的新算法同已有的静态、动态检测算法相结合,提出了网络异常流量综合检测模型。模型通过不同方法和不同角度比较来发现网络中是否存在异常流量,最后通过实际实现和测试验证模型的有效性。     

企业IT网络异常流量综合检测模型

结合企业内部信息技术网络特点,提出了用时间窗比较进行网络异常流量检测的新算
法. 将新算法同已有的静态、动态检测算法相结合,提出了网络异常流量综合检测模型. 该
模型可通过不同方法和角度进行比较,以发现网络中是否存在异常流量. 通过实际实现和
测试验证了模型的有效性.     

基于在线特征选择的网络流异常检测

针对传统批处理特征选择方法处理大规模骨干网数据流存在时间和空间的限制,提出基于在线特征选择(online feature selection, OFS)的网络流异常检测方法,该方法将在线思想融入线性分类模型,在特征选择过程中,首先使用在线梯度下降法更新分类器,并将其限制在L₁球内,然后用截断函数控制特征选择的数量。研究结果表明,提出的方法能充分利用网络流的时序性特点,同时减少检测时间且准确率和批处理方法相近,能满足网络流异常检测的实时性要求,为网络流分类和异常检测提供一种全新的思路。     

基于迁移学习的跨域异常流量检测

基于已知数据的机器学习模型在实际异常流量检测任务中不完全可靠,为此,将不同分布的流量分别作为源域和目标域,建立跨域网络异常流量检测框架,提出了基于联合分布适配的迁移学习方法.通过寻找最优变换矩阵、适配源域与目标域之间的条件概率和边缘概率,实现源域与目标域间的特征迁移,从而解决由于源域与目标域分布差异大所引起的检测准确率下降等问题.实验结果表明,所提方法可以显著提升跨域流量的检测准确率.     

多源非平衡交通检测数据的异常识别方法

为保证交通检测数据的准确性并服务于实时的交通状态判别和预测,交通大数据采用多种检测源数据协同处理并利用机器学习的方法进行异常识别.异常检测数据的识别主要基于机器学习中AdaBoost方法实现.在算法的训练过程中,为消除单一检测源数据的离群现象,训练数据选取同一路段上多种检测源提供的数据集.在算法的决策过程中,通过代价敏感方法的优势来改进AdaBoost的决策.实验结果表明:基于非均衡特性改进的AdaBoost模型迫使分类器更加关注了待识别的异常样本,增强了AdaBoost决策过程中训练决策树规则的代表性,提高了异常类样本的分类准确率.高速公路实例检测数据集验证了改进算法与相关经典算法的检测准确度、误检率、误警率等指标,其中改进模型与原模型相比,准确率提高了5.547%,误检率减低了6.792%.多种算法的ROC曲线对比表明改进的AdaBoost方法筛选交通检测样本的可靠度更高,可有效调整由非平衡数据导致的分类误差.     

行人交通微观仿真中碰撞检测模型研究

结合行人交通的特征和计算机仿真的实际需要,构建出一个新的适用于行人交通微观仿真的碰撞检测模型,该模型以经典的包围盒法为基本思路,分解出"交叉"和"同道"2类行人碰撞类型,并构建出了相应的阈值算法。该模型在实际应用中能较好地解决行人微观仿真中行人交叠的问题,使仿真效果更加贴近实际。     

行人交通微观仿真中碰撞检测模型研究

结合行人交通的特征和计算机仿真的实际需要,构建出一个新的适用于行人交通微观仿真的碰撞检测模型,该模型以经典的包围盒法为基本思路,分解出“交叉”和“同道”2类行人碰撞类型,并构建出了相应的阈值算法。该模型在实际应用中能较好地解决行人微观仿真中行人交叠的问题,使仿真效果更加贴近实际。     

基于数据流挖掘的交通流状态辨识方法研究

由于交通流的复杂性,使得基于交通流参数的交通流状态经典辨识算法的阈值设定十分困难,直接影响辨识效果和效率。文章根据交通流的特性,提出了一种自适应动态学习的分类算法RTRC-TFD,可将其应用于不同背景下交通流的数据流实时分类。实验结果表明:在考虑概念漂移和背景重现的条件下,RTRC-TFD相对于经典检测算法(增量式贝叶斯分类算法)具有更高的分类精度和更快的收敛性。     

基于多维时间序列分析的网络异常检测

针对实际网络异常检测要求高检测率、低误报率的问题,提出了一种基于多维时间序列的检测方法。首先,通过对实际网络流量进行长期观测,提取多维特征对网络流量进行描述;然后,利用时间序列分析方法对多维特征进行预测,计算预测值与真实值的时间序列偏离度,并且实时更新偏离度,适应多变的网络环境;最后,利用支持向量机（SVM）算法对偏离度向量进行分类判别,判断是否发生异常。目前该方法已应用于校园网关键服务器的实时监测与防护工作中,实际服务器流量的预测、告警结果表明,该方法可以有效检测网络中的异常流量。