使用工具软件扩展光盘映像文件的几种方法

随着计算机技术的飞速发展，计算机机型、计算机配置日新月异，人们越来越需要比软磁碟具有更大容量的存储器来保存自己宝贵的信息资源。CD－ROM存储器的诞生使信息资源得到了较好的保存。CD－ROM即“高密度光盘只读存储器”，它采用了国际标准逻辑格式，可在多种操作系统下进行信息交换。由于容量大、寿命长、读取速度快等特点．而具有非常广泛的应用前景，尤其在计算机多媒体等应用领域占有绝对优势，成为当前最重要的数据存储和信息分布介质之一。目前，在市场上出售的光碟上的优秀软件一般是以磁盘映像文件（主要有img和ddi两种格…     

外存储电子化的途径

前言随着计算机速度及性能的不断提高,要求存储器的容量大、速度快。目前都采用三级存储器的体制以适应这种要求。一般以存取速度为数百毫微秒、容量数万位、信息传送率每秒数亿位级的半导体或磁膜存储器作为第一级存储器,以存取速度为数微秒、容量数百万位的磁心存储器作为第二级存储器,以存取平均等待时间为数毫秒至数秒级、容量数亿位级的磁鼓、磁盘、磁带等机电式外存储器作为第三级     

基于栈的网络最大流算法

针对网络最大流问题,在割集定义和最大流-最小割定理基础上,以邻接矩阵为网络数据存储结构,利用栈作为数据组织形式,遍历网络中所有割集,最小容量的割集即为网络最大流。流量网络其余分支流量由网络结点流量平衡条件来求解。该算法具有：开辟了一种求解流量网络最大流的新的方法,克服了割集和最大流-最小割定理仅仅具有理论价值、没有实用价值的局限性;根据最小容量的割集可以方便确定决定网络最大流的关键分支,为扩展网络流量提供直接技术支持。算法测试表明：基于栈的网络最大流算法是完全可行和有效的。     

面向并行入侵检测的主动式负载均衡算法

针对网络流量中有些流数目少但其所占的流量比重很大,以及高速网络流量存在极强的突发性,本文提出了一种基于缓冲区队列管理的主动式入侵检测负载均衡（ALBIDS）算法。该算法由静态HASH分流与动态调整两部分组成,模拟实验表明：在真实网络流量trace下,与静态HASH算法和最小队列长度动态调整负载均衡算法相比较,本算法负载均衡度好、流破坏率小、丢包率小,具有很高的应用价值。     

基于多核网络处理器的高效流管理技术研究

流管理功能在多种网络设备中具有基础性作用.随着报文流规模的增加,大规模流管理系统中流表添加、查询和删除的效率往往迅速下降,成为影响系统整体性能的瓶颈.针对该问题,提出一种在多核网络处理器上实现的采用两级hash表和冲突链表机制的流管理方法,一级hash表模拟专用硬件存储器,二级hash表模拟软件存储结构,当一级流表出现冲突时采用二级流表处理冲突,当二级流表出现冲突时采用冲突链表处理冲突.并基于多核网络处理器进行了模型开发与实验.实验证明,该模型具有易于实现,执行效率高的优点.     

PMOS半导体存储器在简易数控车床中的应用

一、引言大多数数控装置和计算机的存储系统都是用磁心存储器,拨码盘或其他存储器来存储信息的。随着计算技术和数控技术的发展,现有的存储信息方法越来越不能满足需要了,因此半导体存储器的发展日益显得重要。MOS存储器同磁心存贮器和拨码盘比较,具有容量大,集成度高,体积小,功耗低,速度快,非破坏性读出,可组合性以及存储器同逻辑电路的电平相容性等优点,其缺点是存在易失性问题,即当电源切断后其信息就挥发掉。但近来已逐步采用蓄电池来防止电源切断后的信息挥发,还可采用新型结构的半导体存储器,如MNOS存储器已具备了断电后能保持信息的功能。本文提出的应用P沟道16×8的随机存储     

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。     

闪存-Flash Memory

(一)闪存概述问存是闪速存储器的简称。计算机的外部存储器件,按记录媒体特性不同可以区分为三类:硬盘和软盘、光盘以及闪存;硬盘和软盘都属于磁存储;光盘属激光存储;闪存属电存储,因存储速度快而命名。闪存实际上是一种体积小、功耗低、速度快的可移动半导体存储器,属于非易失性存储器(Non-Volatile Memory),即在供电电源关断后,仍能保存内部的信息。闪存通过USB接口与计算机连接,即插即用,最大储存容量是2GB,个别厂家现在的工艺可以达到8GB。擦写次数已达100万次以上,数据保存时间至少10年。闪存在容量、寿命、读写     

基于串行FRAM的固态存储器构建

为简化嵌入式系统利用NAND闪存保存大容量数据的设计复杂性,提出一种利用铁电随机存储器( FRAM)构建固态存储器实现快速高效存取的方法。制定串行 FRAM 与 RAM 相结合的最优存储协议,给出查询存储器块的概念和串行FRAM存储数据的快速查询算法,介绍串行 FRAM 与 RAM 相结合的存储协议和FM24 W256的块读写算法。51单片机的电机驱动总成载重测试仪设计与工业性实验结果表明,利用FRAM设计的固态存储器,具有软硬件开销小、存取速度快、实现简单可靠的特点,能满足嵌入式系统长期存储的要求。     

基于矢量空间重构的网络流量预测算法

客户机与服务器之间存在数据存储隐通道,对该通道的网络流量进行准确预测可避免网络拥堵,提高网络流量的调度和管理能力。传统方法采用线性时间序列分析方法进行网络流量预测,没有准确反映流量序列的非线性特征信息,预测精度不高。提出一种基于非线性时间序列分析和矢量空间重构的网络流量预测算法。进行相位随机化处理,使得网络流量数据离散解析化,把网络流量时间序列解析模型分解为含有多个非线性成分的统计量。采用自相关函数法求得矢量空间重构的时间延迟,采用互信息最小嵌入维算法求得网络流量序列的矢量空间嵌入维,实现流量序列的矢量空间重构。在高维矢量空间中,提取网络流量的高阶谱特征,实现网络流量的准确预测。仿真结果表明,采用该算法能有效拟合流量序列的非线性状态特征,对流量状态变化的动态跟踪性能较好,其预测误差比传统方法的低。     

HiTM：一种高速流量采集方法

针对目前高速流量采集存在的问题,对被采样的数据使用Hash算法压缩流ID长度,并在本文提出了一种高速流量采集方法HiTM。HiTM多级过滤器前增加一个高速缓存,减少流ID处理时的访存次数和多级过滤器的报文处理数目,提高处理的效率。理论和实验表明,HiTM与目前的经典算法相比具有错误率低、访存次数少、统计速度快的特点,可以应 应用于高速网络流量采集。同时,算法的内存需求可以预先给定,在网络规模扩大时,算法的精度也可以得到很好的控制。     

基于MGLRU的IP流统计算法

针对最近最久未使用(LRU)算法在高速网络中大流漏判率高的缺陷,提出一种基于多粒度最近最久未使用检测算法。该算法采用分层多粒度压缩计数机制对高速网络数据抽样,提高对长流的识别精度。基于实际的互联网数据进行仿真实验,结果表明,在给定条件下,该方法的内存占用量为LRU算法的50%,测量误差仅为LRU算法的10%。     

多核平台入侵检测系统负载均衡算法设计与实现*

负载均衡是基于多核平台实现高速入侵检测系统的关键技术之一。基于真实流量统计分析发现的流阈值与流数目、流字节数之间变化的规律,提出只调整较大流的动态分流算法HCLF,并实现了原型系统。实验测试表明,与静态哈希算法和新流调整算法相比,HCLF算法在负载均衡度、系统丢包率方面具有显著的优越性,改善了多核平台高速入侵检测系统对突发流量和应用环境的适应性。     

基于语义的访问控制模型及其推理机制

针对高速链路中流量测量缺乏可扩展性的问题,提出一种在线挖掘频繁流的算法。通过采用“滑动窗口”机制,构造流抽样函数,自适应地设置抽样门限的方法,实现流大小的无偏估计。基于实际的互联网数据进行仿真实验,结果表明,该算法在保证准确性的同时,具有自适应性和资源可控性。     

基于滑动窗口的资源可控流量测量算法

针对高速链路中流量测量缺乏可扩展性的问题,提出一种在线挖掘频繁流的算法。通过采用“滑动窗口”机制,构造流抽样函数,自适应地设置抽样门限的方法,实现流大小的无偏估计。基于实际的互联网数据进行仿真实验,结果表明,该算法在保证准确性的同时,具有自适应性和资源可控性。     

基于概要数据结构的全网络持续流检测方法

持续流是隐蔽的网络攻击过程中显现的一种重要特征，它不产生大量流量且在较长周期内有规律地发生，给传统的检测方法带来极大挑战。针对网络攻击的隐蔽性、单监测点的重负荷和信息有限的问题，提出全网络持续流检测方法。首先，设计一种概要数据结构，并将其部署在每个监测点；其次，当网络流到达监测点时，提取流的概要信息并更新概要数据结构的一位；然后，在测量周期结束时，主监测点将来自其他监测点的概要信息进行综合；最后，提出流持续性的近似估计，通过一些简单计算为每个流构建一个位向量，利用概率统计方法估计流持续性，使用修正后的持续性估计检测持续流。通过真实的网络流量进行实验，结果表明，与长持续时间流检测算法（TLF）相比，所提方法的准确性提高了50%，误报率和漏报率分别降低了22%和20%，说明全网络持续流检测方法能够有效监测高速网络流量。     

基于业务流数量自适应的资源限制分组抽样

高速网络中,流量抽样测量技术是一种重要可扩展的解决方案,其中NetFlow在流量测量中有着广泛的应用。针对NetFlow的缺陷提出了一种基于业务流数量自适应的资源限制分组抽样算法,该算法结合 “分层抽样”的思想,把 “累积业务流数量”作为重要的参数,来自适应地调节抽样概率,该抽样方法简单、易于实现,平衡了资源的消耗量和准确性。并基于实际互联网数据进行了实验比较,结果显示：该方法具有简单性、自适应性、资源可控性的同时不会失去准确性。     

An Architectural Framework for Accurate Characterization of Network Traffic

In networks carrying large volume of traffic, accurate traffic characterization is necessary for understanding the dynamics and patterns of network resource usage. Previous approaches to flow characterization are based on random sampling of the packets (e.g., Cisco's NetFlow) or inferring characteristics solely based on long lived flows (LLFs) or on lossy data structures (e.g., bloom filters, hash tables). However, none of these approaches takes into account the heavy-tailed nature of the Internet traffic and separates the estimation algorithm from the flow measurement architecture.In this paper, we propose an alternate approach to traffic characterization by closely linking the flow measurement architecture with the estimation algorithm. Our measurement framework stores complete information related to short lived flows (SLFs) while collecting partial information related to LLFs. For real-time separation of LLFs and SLFs, we propose a novel algorithm based on typical sequences from Information theory. The distribution (pdf) and sample space of the underlying traffic is estimated using the non-parametric Parzen window technique and likelihood function defined over the Coupon collector problem. We validate the accuracy and performance of our estimation technique using traffic traces from the internal LAN in our laboratory and from National Library for Applied Network Research (NLANR).     

一种基于双重Counter Bloom Filter 的长流识别算法

提出了一种基于双层Counter Bloom Filter 的长流识别算法(algorithm based on double counter bloom filter for long flows identification,简称CCBF).该算法使用两层Counter Bloom Filter 结构,将长流过滤和长流存在分开处 理.分析了该算法的误判率,通过模拟数据分析了算法错误率和内存资源限制的关系,并在相同内存资源限制的条件 下,将该算法与类似算法的准确性进行了比较.结果表明,在数据量较大的情况下,该算法具有比现有算法更小的平 均错误率;对算法的时间效率分析表明,该算法可以达到1 500kpps 的处理速度.各项指标反映出,该算法可以应用于 大规模主干网的长流监测.     

基于LRU和扩展CBF的网络大流检测

高速网络流量检测中的大流检测已成为当前一种重要的、高效准确的可扩展流量测量机制,针对CBF（Count Bloom Filter）容易溢出的问题,将扩展的CBF应用于流量测量,防止过滤器溢出,并且结合LRU链表存储机制,共同应用于网络大流检测之中。经理论分析,所研究的流量测量算法LRU_MCBF（Least Recently Used_Multiple Count Bloom Filter）占用空间小,时间复杂度低;通过仿真实验验证了LRU_MCBF在大流测量中漏报率和错报率较低,能实现高速网络环境下大流对象的准确提取。