基于Manhattan距离的网络拓扑推测方法研究

网络拓扑推测是网络断层扫描研究内容之一,是推测网络内部链路性能的前提条件。目前的网络拓扑推测方法主要是基于网络性能参数的极大似然估计方法,随着网络规模的增加,计算量相对较大,还有些需要先验知识,从而影响在实际网络中的应用。为了克服这些问题,作者提出了一种新的网络拓扑推测方法,通过直接计算节点间测量数据的Manhattan距离,对节点进行分组,从而推测网络的逻辑拓扑结构。该方法计算简单且准确推测的概率收敛速度快,在实际网络环境中有应用价值。     

基于网络断层扫描技术的网络拓扑推测方法研究*

目前的网络拓扑推测方法主要是基于网络性能参数的极大似然估计方法,而其计算量会随着网络规模的增长而急剧增加,从而影响在实际网络中的应用。讨论了网络断层扫描在网络拓扑推断中的测量方法和推断方法,提出了一种基于网络断层扫描技术的网络拓扑快速推测方法,根据观测节点测量数据的相似度推测网络的逻辑拓扑结构。通过仿真研究表明,该方法推测准确且计算简单,具有优势,即使在发送较少报文的情况下,也可以得到较高的准确推断率。     

基于PLE的有确定解的端到端网络链路时延推测方法

网络时延是重要的网络性能指标,端到端网络时延推测能够克服传统的基于路由器或者路由器协作的网络测量技术的弊端。在网络拓扑已知且稳定和链路性能时空独立性的假设前提下,给出了网络链路时延推测模型,提出了一种基于伪似然估计(PLE)的有确定解的端到端网络链路时延推测方法。在应用期望最大化算法的伪似然估计的基础上,控制背靠背发包方式,确定可以求解的探测单元,解决了不满足有确定解拓扑下的求解问题,且有效降低了计算复杂度。最后利用基于模型的计算验证了该方法的准确性和有效性。     

基于端到端的传感器网络拓扑推测算法研究

针对传感器网络能源有限的特性,提出了一种基于端到端的拓扑推测算法.根据在汇聚节点(Sink)收集到网络内部节点报文接收或丢失的情况,推测传感器网络拓扑结构.通过理论分析和仿真,证明该算法可以在较少的数据收集轮次中快速地推测出网络拓扑,并克服了现有传感器网络拓扑推测算法在报文丢失率过重情况下的误判问题.     

主动端到端离散式时延分布估计方法研究

对于网络质量评估链路性能推测无疑是至关重要的,然而现有的估计方法通常只能推测层次数有限的简单网络,无法应用于大规模网络。提出了一种基于不完整数据极大似然估计算法,估计网络内部链路时延分布,该方法通过不同的发包策略将树状网络拓扑划分成不同的两层三链子树,针对每个子树估计每条＂链＂的时延,随后通过移植算法将路径时延划分到各链路中,逐一对每个子树使用该方法计算从而得到整个网络链路时延情况。利用NS2仿真实验验证了该算法的可行性和准确性。     

一种基于数据聚合的网络拓扑推测算法

网络拓扑信息对网络资源管理和配置,网络内部链路的性能评价具有重要的意义.传统的网络测量技术都是基于已知的网络拓扑,为解决传感器网络逻辑拓扑的获取问题,针对传感器网络资源有限的特点,为提高网络传输性能,提出了一种端到端的基于数据聚合的拓扑发现算法.根据在sink节点收集到的网络内部节点数据接收或丢失的情况,发现数据传输路径,进行传感器网络的拓扑推测进行仿真.仿真结果表明,算法可以准确快速的获取网络拓扑,并且具有很好的收缩性,适合大规模传感器网络的逻辑拓扑推测.     

双星型网络拓扑可靠性分析

针对基于双星型网络的航空综合化设备可靠性计算问题,提出该网络拓扑可靠性的理论计算方法,对比分析了不同配置方法下双星型网络拓扑可靠性,推导出不同网络拓扑配置可靠性的计算公式,并用Matlab进行仿真,根据仿真结果给出基于双星型网络拓扑综合化设备资源冗余方案的设计指南。     

网络断层扫描技术综述

网络断层扫描是一种新的网络外部测量方法，与传统的网络内部测量方法不同，它是根据网络边缘的测量来推测网络内部属性或网络拓扑的，从而实现与网络结构或协议无关的网络测量。综述了网络断层扫描的基本概念、关键技术以及最新研究进展，最后提出了进一步研究的课题。     

平均度约束的无线传感器网络拓扑控制

拓扑控制是无线传感器网络中最重要的技术之一.大规模随机部署的无线传感器网络节点,在满足无线传感器网络拓扑连通性的前提下,如何保证网络结构的稀疏性是一个亟待解决的问题,目前已有的研究结果表明当节点密度较大时,得到的网络拓扑复杂,计算路由将严重消耗节点资源.文中提出了一种平均度约束的无线传感器网络拓扑控制,通过增加节点通信半径,约束节点的平均度来解决网络的连通性与网络拓扑的稀疏性之间的矛盾.数值模拟表明:通过平均度约束的无线传感器网络拓扑控制,可减少网络中选出的工作节点数,保证了网络的稀疏性,简化了路由的复杂度,从而延长了网络的生存周期.     

一种基于二分搜索的网络拓扑探测方法*

网络拓扑测量是人们对网络进行管理的基础,对网络仿真与建模、网络协议设计、网络算法优化等有重要意义,网络拓扑测量的关键在于其采用的方法。通过分析制约传统的Traceroute方法和DoubleTree算法性能的关键因素,基于二分搜索的思想,提出了一种网络拓扑探测方法BisearchTrace。实验结果表明,该方法有效地降低了网络负载,加快了拓扑探测的速度,提高了网络拓扑测量的效率,具有良好的实用性。     

基于数据聚合的无线传感器网络拓扑发现算法

针对传感器网络能源有限的特性,提出了一种基于数据聚合的拓扑发现算法。根据在聚合节点(sink)收集到网络内部节点报文接收或丢失的情况,通过发现网络中所有叶子节点到sink节点的数据传输路径,来推测网络的逻辑拓扑,不会增加网络负担。仿真实验表明:算法可以准确快速地推测传感器网络的拓扑,并且适合大规模传感网络的拓扑推测。     

基于通信量权值二分图分配算法的列车通信网络研究

针对列车通信网络的网络性能直接受到网络拓扑结构的影响,提出一种基于设备间的通信量权值的二分图分配算法,解决网络拓扑中设备到交换机的分配问题。首先,根据列车通信网络中各设备间的实际通信情况,建立列车交换式以太网模型,得出设备间的通信量权值;然后,利用通信量权值的二分图分配算法完成设备到交换机的分配,构建新的交换式列车网络拓扑结构。通过OPNET建模仿真对该结构的网络性能进行分析,结果表明,优化后的列车通信网络拓扑结构比未优化的拓扑结构,在网络时延、链路利用率和吞吐量等网络性方面能均有很大的提升,可为列车通信网络拓扑结构优化研究提供理论参考。     

基于SNMP的拓扑增强识别算法

网络拓扑发现对于许多关键网络管理任务来说至关重要.然而,随着网络规模的不断增大,网络结构的愈发复杂,之前的基于SNMP的网络拓扑发现算法存在难以有效识别子网类型和多IP设备,拓扑效率、准确率低等问题.针对上述问题,本文提出了基于SNMP的拓扑增强识别(SNMP-based topology enhanced identification, SNMPTEI)算法.首先,启发式地确定子网IP地址并对其发送探针,根据探测结果来判断子网类型,在确定子网类型后及时终止探针注入防止网络负载过大;其次通过MIB-II记录的系统信息设置设备指纹,结合设备类型识别算法对终端主机IP进行设备指纹鉴定,以达到识别多IP设备的目的.实验结果表明,此方法在仿真网络中可有效识别子网和多IP设备,同时降低了网络负载,探测准确率达到了96.43%.     

一种双参数拓扑推测方法

针对采用单一性能参数推测网络拓扑结构算法的问题, 如有效性与网络负载有关以及测量节点性能参数时大多需要节点间时钟的同步等, 在现有的测量方法基础上, 提出了一种不需要节点间时钟同步可以测量端到端时延抖动和丢包相关性的紧接分组对序列测量方法, 同时设计了一种综合端到端时延抖动和丢包相关性的双参数拓扑推测算法, 该算法能够适应不同的网络负载环境。最后通过NS-2仿真实验验证了该算法的有效性和准确性。     

融合节点覆盖范围和结构洞的影响力最大化算法

影响力最大化是社交网络分析中的一个重要问题,旨在挖掘可以使得信息在网络中传播范围最大化的一小组节点（通常称为种子节点）。基于网络拓扑结构的启发式影响力最大化算法通常仅考虑某单一的网络中心性,没有综合考虑节点特性和网络拓扑结构,导致其效果受网络结构的影响较大。为了解决上述问题,提出了一种融合覆盖范围和结构洞的影响力最大化算法NCSH。该算法首先计算所有节点的覆盖范围和网格约束系数;然后通过覆盖范围增益最大原则选择种子节点;其次,若存在多个节点增益相同,则按照网格约束系数最小原则选取;最后,重复上述步骤直至选出所有种子节点。NCSH在不同种子数量和不同传播概率条件下,在六个真实网络数据集上均保持着优异的效果,在影响力传播范围方面,比同类的基于节点覆盖范围的算法（NCA）平均提高了3.8%;在时间消耗方面,比同类的基于结构洞和度折扣的最大化算法（SHDD）减少了43%。实验结果表明,NCSH能有效解决影响力最大化问题。     

层析成像技术在网络属性估算中的应用研究

网络层析成像技术在网络属性估算中的应用主要分为网络拓扑判定和链路属性估算两个重要应用.主要讨论通过对网络上的主机进行单播的测量来获得网络的逻辑拓扑及链路属性,并提出进行网络属性估算的新方案.首先介绍基于延时的"三明治"测量方案和相关网络拓扑判定算法,随后通过实验对网络拓扑判定的系统聚类树算法进行了分析,在此基础上提出进行网络属性估算的新方案.     

空间信息网络任务智能识别方法

随着星间链路技术的不断发展和星上处理技术的日益成熟,空间信息网络传输的任务类型不断增加并呈现多样化的趋势,这对空间信息网络的多业务协同传输、网络资源全局调度等能力提出了新的挑战。然而,传统的空间信息网络资源调度大多以单一业务为驱动,忽略了任务与业务之间一对多的关系,导致某些低优先级任务抢占高优先级任务的网络资源,致使由多业务构成的空间信息网络任务的服务质量较低。此外,空间信息网络传输环境具有拓扑高动态变化、节点资源有限等特点,将传统的业务识别方法直接迁移到任务识别中存在任务识别效率低和开销大的缺陷。鉴于此,文中设计了部署于空间信息网络边缘的任务服务支持站,该支持站由识别标记模块、路由控制模块和数据通信模块组成,用以完成对任务类型的识别,以及基于任务服务质量需求的路由选择和数据传输。文中通过对流自身特征项的降维处理和基于高斯核函数的特征空间映射,设计了基于支持向量机的业务识别算法,进一步地,在引入网络传输环境相关特征项的基础上,将业务类型、业务数量和环境特征项相结合,设计了基于梯度下降法的任务识别算法。仿真结果表明,设计的任务识别算法具有很好的识别精准率和召回率,且消耗较短的识别时间和较少的识别开销,对空间信息网络任务流量识别的平均准确率达到95%以上,提高了1%以上,相比未经过特征降维的平均训练时间缩短了15%以上。     

一种新型片上网络互连结构的仿真和实现

综合性能、硬件实现等方面考虑,提出一种基于片上网络的互连拓扑结构-层次化路由结构MLR(Multi-Layer Router).该结构通过层次化设计减小网络直径,具有良好的对称性和扩展性.网络建模仿真和硬件实现结果显示,在不同网络负载和不同IP核节点数的情况下,MLR与传统结构相比,在处理网络通信时,对于网络丢包率、通信延迟和网络吞吐量等网络性能参数均有最多50%-70%的提升;同时通过共享路由的方式,减少了超过20%的芯片面积和40%以上的动态功耗,有效降低了互连结构的硬件开销