基于小波的Hurst指数自适应估计方法

对局域网和广域网上大量突发网络流量的分析结果表明,网络流量普遍存在着自相似性和长相关性,其中Hurst指数是表征网络流量突发特性的重要参数.通过在小波域内对网络流量这种特性的分析,给出了其小波系数的本质和统计特性.针对基于小波的Hurst指数估计方法的自适应问题,结合方差分析给出了一种有效的解决方法,从而提出了自适应的参数估计方法,并且该方法在一般意义上是无偏的.分形高斯噪声和真实突发网络数据的仿真结果均表明,自适应方法比传统估计方法具有更高的估计精度,能够自适应地选择最优尺度区间,而且仅具有O(N)的计     

基于小波分析与信息熵的DDoS攻击检测算法

DDoS(Distributed Denial of Service)攻击检测方法中,基于网络流量自相似性的检测方法作为一种异常检测方法,对网络流量变化情况比较敏感,检测率较高,然而同时也存在误报率较高的问题。对传统自相似方法以及网络中可能引起流量异常的事件进行分析,在此基础上提出一种改进的检测算法WAIE。WAIE采用小波分析的方法计算网络流量的Hurst指数并引入信息论中的信息熵对源IP地址的分散程度进行度量,根据初始阶段Hurst指数及熵值的变化自适应地设定阈值以检测攻击的发生。采用MIT林肯实验室发布的数据集以及实验室环境下采集的数据集进行实验,实验结果表明该算法能准确检测到攻击的发生。     

网络流量长相关特性估计算法性能评估

定量刻画网络流量的长相关特性是网络特性研究的重要基础。对当前常用的Hurst指数估计算法进行了详细归纳。在此基础上，以已知Hurst指数的分形高斯噪声(fGn)序列为主要研究对象，利用逆向方法，分别研究了周期信号以及高斯白噪声影响下的Hurst指数估计算法的估计性能。通过比较，发现没有任何一种Hurst指数估计算法能够广泛应用于复杂条件下网络流量序列的Hurst指数的准确估计，其主要原因是因为这些算法的主要思想都是在全域内运用了求和平均的方法，使得流量序列的高可变信息受损，导致估计误差增大。     

网络自相似指数求解及应用

网络流量的自相似参数估计方法有多种,但研究表明这些方法在准确性或计算上都有一定的局限性.采用小波变换方法对网络流量数据进行分析,对影响小波变换求解自相似系数的关键问题进行讨论,对信号边界处理以及滤波器长度对Hurst指数求解精度的影响进行分析,指出为了在同样的信号数据长度的情况下,获得更大的分解尺度,滤波器长度应该越小越好,并给出了小波方法详细的实现算法.通过仿真实验和基于自相似理论的网络流量异常检测应用实例,证明了该方法的可行性和有效性.     

网络流量长相关特性的滑窗时变估计算法

网络流量在动态演进过程中呈现出长相关(LRD)特性,定量描述LRD特性是网络行为研究的重要问题之一.由于传统LRD估计算法采用全域求和平均,造成序列中突发信息损失,致使传统算法均不能在复杂条件下有效估计LRD.在引入时变Hurst指数函数的概念后,提出了时域滑窗时变Hurst(SWTV-H)估计算法.SWTV-H算法在某一分辨率水平上给出局域内Hurst指数的估计,并通过局域时移实现流量序列全域内LRD趋势的动态估计.分别用仿真以及真实网络流量数据对其有效性进行了验证,与传统算法的估计结果相比,SWTV-H算法能更准确估计LRD特性,且具有更好的鲁棒性.     

自相似网络的自适应系统双抽样方法研究

针对网络流量的自相似、重尾分布等特征,对传统的系统抽样进行改进,设计出一种新的抽样方法--自适应系统双抽样.该算法以传统的系统抽样为基础进行改进,充分考虑了网络流量重尾分布的特点,能正确估算Hurst参数,实现简单,参数自适应且能控制资源消耗.通过真实网络数据的实验分析表明,在链路负载估计、包到达时间间隔等方面较传统抽样方法都有明显的改进,提高了测量系统的精确性和实用性.     

长相关网络流量Hurst指数估计算法

针对传统长相关网络流量Hurst指数估计算法估计结果不准确、可变信息受损严重的情况,提出时域内滑窗时变方差之差Hurst指数估计算法,采用已知参数的人工分形高斯噪声序列及Bellcore采集的真实网络流量序列BC—pOct89对其进行验证。结果表明该算法减少了可变信息损失,能动态地刻画全域上的长相关特性,具有较高的准确性和鲁棒性。     

基于层叠模型的网络流量异常检测方法*

进行网络流量异常检测,需要对正常流量行为建立准确的模型,根据异常流量与正常模型间的偏离程度作出判断。针对现有网络流量模型中自相似模型与多分形模型无法全面刻画流量特征的不足,提出了一种基于流量层叠模型分析的异常检测算法,采用层叠模型对整个时间尺度上的流量特征进行更准确的描述,并运用小波变换对流量的层叠模型进行估计,分析异常流量对模型估计的影响,提出统计累计偏离量进行异常流量检测的方法。仿真结果表明,该方法能够有效检测出基于自相似Hurst系数方法不能检测的弱异常以及未明显影响Hurst系数变化的异常流。     

基于自相似的异常流量自适应检测方法

根据异常流量对网络自相似的影响,通过研究在流量正常和异常情况下表征自相似程度的Hurst 参数分布特点的不同,设计一种异常流量动态自适应检测方法。该方法采用小波分析估计Hurst参数,根据网络自相似程度自适应地调整检测阈值。对MIT林肯实验室的入侵检测数据测试结果表明,该检测方法具有较好的动态自适应性、较高的检测率及较快的检测速度。     

Hurst指数估计法中的修正方法研究

Hurst参数是表征网络业务量自相似性的重要参数,对突发业务的Hurst参数进行准确的估计能直接影响网络流量控制和缓冲资源分配。详细给出4种Hurst参数估计方法的实现过程,并针对这4种估计方法进行修正。通过估计不同Hurst参数的自相似业务量来对比修正前后估计方法的精度,结果表明采用修正的方法各个估计方法的相对误差都有降低,其中R/S法降低了2个百分点,聚类方差法降低了8个百分点,周期图法和小波分析法相对误差降低了一个数量级。     

网络中突发业务自相似建模及其Hurst系数估计

提出了一种基于自回归AR模型的Hurst系数的估计方法，并给出了数学推导过程。采用真实网络突发业务的仿真结果表明，该文所提出的方法比传统的R／S法等估计方法具有更高的估计精度，能更好地反映真实网络业务流量的自相似性。该方法可望用于网络业务流量的管理和网络拥塞控制。     

片上网络业务量的自相似性分析及模型研究

进行片上网络的架构、映射、流控与服务质量(Quality of Service,QoS)等研究时,迫切需要一个准确的业务量模型用于延时分析与测试验证,以保证设计的性能。而现有的基于马尔科夫模型和回归模型的短程相关模型无法准确地描述业务量的突发性和分形特性,不适用于基于流水的通信信号处理片上系统(System on Chip,SoC)芯片。为了解决这个问题,通过理论与实验相结合的方法,研究了网络拓扑、任务流图、映射对业务量自相似性的影响,根据通信系统的信号处理特点建立了多处理器片上系统(Multi-core Processing System on Chip,MPSoC)数据关联模型,利用典型DSP系统进行建模实验,用实测的业务量Hurst参数拟合数据关联模型参数与Hurst参数的经验函数关系式,建立了用MPSoC数据关联模型预测和估计业务量Hurst参数的方法。实验表明,采用该业务量模型估计的Hurst参数与其真实值误差较小,能较准确地描述业务量的自相似性。     

Chaotic maps for traffic modelling and queueing performance analysis

In this paper we present an overview of the progress made using chaotic maps to model individual and aggregated self-similar traffic streams and in particular their impact on queue performance. Our findings show that the asymptotic behaviour of the queue is a function only of the tail of the ON active periods, and that the Hurst parameter is not a good parameter to achieve traffic control: two different self-similar traffic traces can have the same Hurst parameter but have a very different effect on the queue statistics. These results are part of a framework for developing chaotic control of networks.     

校园网网络流量自相似性的测定

根据自相似性理论,网络流量自相似性的程度可由计算Hurst参数的大小来测定。本文通过在校园网主干路上进行网络数据包的采集,然后用方差时间方法和R／S方法计算所采集流量的Hurst参数值,以检测校园网网络流量的自相似性。通过实验的分析与比较,验证了自相似性的存在,并对如何运用Hurst值的变化来进行流量异常检测做了初步的 探讨。     

自相似网络流量模拟系统的集群实现

随着网络技术的发展,人们对网络服务质量提出更高的需求。对网络流量准确的建模,预测未来的网络流量,是保证网络服务质量和可靠性的重要措施。提出了一种基于Windows集群的自相似网络流量模型解决方案。该方案采用分形高斯噪声（FGN）模型并行算法,由基于Windows HPC Server的集群系统生成网络流量。详细描述了基于集群平台的系统设计和实现过程。实验结果表明,该系统能够生成大规模的具有指定Hurst系数的自相似网络流量,同时克服了单机系统及分布式系统的局限性。     

校园网流量自相似性研究

网络流量特征是网络设计和性能分析中所必须考虑的一个重要因素。作者以校网络中心测得的实际网络数据为研究对象,对不同时间尺度内的分组到达数目进行研究,利用方差-时间曲线和R/S图方法对实际流量数据进行分析。结果表明,校园网流量具有自相似性。     

Blind maximum likelihood estimation of traffic matrices under long-range dependent traffic

A new method, based on the maximum likelihood principle, through the numerical Expectation–Maximization algorithm, is proposed to estimate traffic matrices when traffic exhibits long-range dependence. The methods proposed so far in the literature do not account for long-range dependence. The method proposed in the present paper also provides an estimate of the Hurst parameter. Simulation results show that: (i) the estimate of the traffic matrix is more efficient than those obtained via existing techniques; (ii) the estimation error of the traffic matrix is lower for larger values of the true traffic intensity; (iii) the estimate of the Hurst parameter is slightly negatively biased.     

自相似参数辨识与汇聚无线业务尺度特性分析

Hurst参数是衡量网络流量自相似程度和突发性的重要参数,在时域R/S统计、方差 - 时间图法和频域周期图法的基础上,提出一种最优化线性回归小波模型,实现小波域内Hurst参数的准确有效快速辨识.研究了WLAN中多个输入业务源的汇聚过程以及汇聚的多输入自相似业务源统计特性.仿真实验比较了传统的以及基于最优化线性回归小波模型的Hurst参数辨识方法,验证了理论分析中汇聚自相似业务也呈现自相似性的结论,且仿真结果表明,汇聚业务的突发性得到加强而不是削弱.研究结论对网络流量的准确建模以及网络传输中流量控制和优化网络资源配置以及提高网络性能具有重要作用.     

基于网络流量小波分析的异常检测研究*

网络流量是局域网和广域网的重要特征之一,小波分析能将复杂的非线性网络流量时间序列分解成不同频率的子序列.基于小波分解的思想,利用网络流量的自相似特性来对网络的异常行为进行检测,给出了根据网络流量自相似特征参数的偏差来检测攻击的方法,对不同分辨率下Hurst参数的变化进行了比较分析.在DARPA上的测试结果表明,该方法不仅能够发现网络中存在的突发性流量攻击,还能够确定异常发生的位置.