一种用于Optical Crossbar的自适应分组汇聚算法

在对现有分组汇聚机制进行深入分析的基础上,考虑不同网络环境下的流量特性不同,提出了一种动态网络流量自适应分组汇聚算法。理论分析及仿真实验表明,该算法可自适应网络流量特性的变化,通过优化汇聚分组长度解决连续阻塞问题、提高汇聚分组利用率,同时兼顾时间门限,使之在低流量负载下也能最大程度保证汇聚时延,较好地弥补传统算法的不足,保证了Optical Crossbar网络对于实时流量的低时延和高传输效率．     

基于分形理论P2P流量行为的自相似性

针对单个主机单个协议流量的自相似性和非宏观上流量的自相似性,分析了端到端（P2P）网络流量的自相似性. 对常见的端到端(P2P)应用进行分析后发现,其应用层数据存在自相似性,且在时间尺度与行为尺度的比较中,P2P应用层流量在行为尺度上的自相似性表现得更加明显和稳定. 为了将行为尺度上的自相似性应用到业务感知领域,提出了一种新的P2P流量识别算法,该算法通过计算网络流量不同行为尺度下的容量维,再辅以主动系数来识别P2P流量. 实验结果证明,新算法在P2P流量识别方面的准确率高于同类算法,在加密流量的识别上表现尤为突出.     

基于混合模型的网络流量预测研究

随着网络应用的多样化发展,分析网络流量的行为特性并建立模型进行预测,对于网络管理与流量工程有着重要意义.通过对多种流量预测方法的分析和比较,指出单一预测模型的局限性,并结合近年流量的新特性提出:网络流量的建模预测必须建立在流量重要特性的基础上,采用混合模型可以更全面、准确地描述和预测流量的行为趋势.     

工业控制网络流量特性分析与建模

采集了真实环境中的基于工业以太网的工业控制网络流量,通过对流量特性的分析发现其流量特性与普通IT网络流量特性的差异,并详细分析了其成因.通过分析发现,工业控制网络流量分布整体较规律,数据包时间间隔既不服从泊松分布又不服从重尾分布,小时间尺度上具有周期性,没有表现出自相似的特性,大时间尺度上则较为平稳.最后,应用季节乘积ARIMA模型对工业网络流量进行了实证分析.结果表明:应用该模型对工业网络流量进行建模预报是可行可靠的.     

基于大数据分析的非线性网络流量组合预测模型

针对传统方法不能对网络流量变化特征进行准确描述,并且预测精度较低的问题,提出了基于大数据分析的非线性网络流量组合预测模型.通过对非线性网络流量数据进行有效分解,获得不同尺度的分量,利用混沌理论对多尺度分量进行相空间重构获得流量子序列.构建改进鸟群算法优化模型,并对重构后的网络流量子序列进行预测和组合,获得网络流量预测结果.结果表明,所提模型能够精确地描述网络流量的非线性、周期性以及长相关性等变化特征,具有较高的预测精度.     

基于智能优化的分布式网络流量预测方法

网络流量预测是网络管理的重要内容,高效的流量预测方法可提高网络管理效率.针对网络流量的时变性等问题,提出了一种基于智能优化的分布式网络流量预测方法.该方法采用果蝇算法优化3次指数平滑预测模型中的平滑因子,对时间窗口内收集到的网络流量进行预测,从而有效地提高3次指数平滑模型下网络流量预测的准确度与效率.仿真实验表明:相比传统3次指数平滑预测模型,此方法可解决平滑因子的不确定性所导致的预测结果误差问题,有效提高了网络流量预测精度.     

一种稀疏度自适应的网络流量矩阵测量方法

为提高网络流量矩阵测量的精度,在压缩感知框架下提出一种稀疏度自适应的网络流量矩阵测量方法.通过对网络流量矩阵的主成分分析及奇异值归一化处理寻找信号支撑集选择的判定阈值,利用网络流量矩阵重构过程中的残差L2范数匹配计算各测量时间点上网络流量矩阵的稀疏度,减小由于网络流量矩阵近似稀疏表示以及稀疏度选择不准确造成的测量误差.仿真实验结果表明:所提出的方法与现有方法相比能够获得更小的空间相对误差和时间相对误差.通过稀疏度自适应选择方法,能够有效提高网络流量矩阵的测量精度.     

GPRS与IMS认证及密钥分配优化方法

移动用户通过通用分组无线业务(GPRS)接入IP多媒体子系统(IMS)时,GPRS和IMS都会对移动用户进行认证和密钥分配,操作过程类似,通信开销大,缺乏效率。为解决该问题,结合相关研究成果,提出一种优化方法,该方法可只进行GPRS的认证与密钥分配(AKA)协议操作,IMS基于GPRS的认证结果实现了对移动用户的认证。同时给出了该优化方案的可行性分析。     

基于流量特征指纹的工控系统网络入侵检测

对于工控系统网络入侵检测,目前主要从网络特性和入侵特性的角度来分析其特征,以达到检测网络入侵的目的 .提出了一种基于工控系统流量特征指纹库的网络入侵检测方法,从工控系统的角度,采用分层分析法建立系统网络流量特征指纹库,同时建立实时流量特征库匹配模型,实现了网络入侵行为的检测和入侵信息的定位.通过分析工控系统的组成以及系统中设备的相关网络行为特征,采用分层分析法构建了以协议类别、流量大小、设备协议配置和协议数据内容组成的网络流量特征指纹库.当工控系统网络中出现入侵行为时,匹配模型能根据流量特征库有效辨别入侵并定位出网络中与入侵相关的信息.最后,以变电站工控系统为例搭建了仿真平台,通过模拟变电站系统间隔层网络中出现数据伪装入侵,实现了对变电站工控系统入侵行为的检测和入侵信息的定位.     

网络流量分析方法综述

了解网络流量的各种特性和分析方法可以更好的理解网络行为,规划和设计网络。通过对网络流量分析方法的研究,对该领域的关键概念和流量模型的工作原理、特点及应用范围的分析与比较,得出混合模型将成为未来流量预测研究的发展方向。     

太原市公交网络的复杂网络特性分析

在交通资源有限的情况下, 对城市公交线网进行分析和优化是最大限度地提高现有交通资源的利用效率、缓解城市道路交通紧张状况的必然之路. 基于此, 运用复杂网络理论, 从不同角度对太原市公交网络进行了实证研究. 探索了大型城市公交网络模型的不同构造方法, 从宏观角度证实了太原市公交网络为无标度网络. 通过研究, 对太原市公交网络枢纽环境的优化和南北主干线的优化提出了对策.     

GIS和GPRS在国内市政管网系统中的应用

分析了当前市政管网系统在管理和运行中存在的问题,简要介绍了GIS和GPRS技术及其特点,系统地总结了GIS和GPRS技术在国内市政管网系统中的应用现状和发展趋势．经过分析论证得出的结论是：研究GIS和GPRS相结合的技术是今后努力的方向．     

混合Mesh网络容量分析

网络容量作为衡量网络性能的重要指标,是Mesh网络研究的重点之一。在分析混合Mesh网络结构的基础上,将混合Mesh网络的流量模式分为小区内流量和跨小区流量,并根据不同的流量模式分别研究了相应的网络容量。混合Mesh网络的网络容量应为2种流量模式下网络容量之和。仿真分析结果表明,将用户节点分为多个小区可显著提高小区内流量的网络容量,配置多个路由器节点可显著提高跨小区流量的网络容量,但是小区内流量的网络容量增长速度明显高于跨小区流量的网络容量增长速度。     

数字广播和移动通信融合网络的性能分析

为了合理利用由数字广播网(如DVB-T/H)和移动通信网(如GPRS/UMTS)组成的融合网络,均衡融合网络流量,搭建了一个系统排队模型。并在其中引入增益因子G以量化广播网模型的广播特性.以端到端用户请求阻塞率作为性能指标,评估队长、用户请求速率、用户请求概率判决门限等不同参数对融合网络的影响,并仿真分析了广播特性给融合网络带来的优势以及在不同用户请求到达率情况下如何合理使用融合网络.     

一种基于GPRS的配电网线损理论分析系统的研究

依据当前配电网技术发展的现状,针对配电网线损的理论计算,提出了一套整体的解决方案:基于GPRS的数据采集,并借助GPRS系统与Internet的互连,把终端数据传入企业局域网,有效地解决了FTU数据的传输途径;采用二叉树算法模型,计算模型上各节点的电流、电压及其下游线路的损耗;介绍了关于缺失数据处理的当前数学算法.基于该方案的线损分析系统,具有投资小、维护简单、计算结果准确的特点,它将对配电网的线损分析工程提供技术参考.     

Spatio-Temporal Cellular Network Traffic Prediction Using Multi-Task Deep Learning for AI-Enabled 6G

Spatio-temporal cellular network traffic prediction at wide-area level plays an important role in resource reconfiguration, traffic scheduling and intrusion detection, thus potentially supporting connected intelligence of the sixth generation of mobile communications technology (6G). However, the existing studies just focus on the spatio-temporal modeling of traffic data of single network service, such as short message, call, or Internet. It is not conducive to accurate prediction of traffic data, characterised by diverse network service, spatio-temporality and supersize volume. To address this issue, a novel multi-task deep learning framework is developed for citywide cellular network traffic prediction. Functionally, this framework mainly consists of a dual modular feature sharing layer and a multi-task learning layer (DMFS-MT). The former aims at mining long-term spatio-temporal dependencies and local spatio-temporal fluctuation trends in data, respectively, via a new combination of convolutional gated recurrent unit (ConvGRU) and 3-dimensional convolutional neural network (3D-CNN). For the latter, each task is performed for predicting service-specific traffic data based on a fully connected network. On the real-world Telecom Italia dataset, simulation results demonstrate the effectiveness of our proposal through prediction performance measure, spatial pattern comparison and statistical distribution verification.     

移动分组业务的小区-时间流量分布

对于在国内GPRS现网Gn接口采集的数据样本进行了流量分布规律研究。发现大多数小区一天中大多数时段处于低速状态,突发的极少数大流量观测值集中在少数小区少数时段。用指数分布对样本的经验分布进行拟合,拟合效果较好。对现网不同区域和不同时段的小区流量数据使用Q-Q图等方法进行了指数分布的有效性验证,发现上述结论具有一定普遍性。     

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。