网络流量分析技术在金融信息网管理中的应用

金融信息系统是邮政企业安全性、可靠性要求最高的网络系统,利用网络流量分析技术,按照不同协议、不同应用、不同节点等方式,对邮政金融信息系统网络流量进行研究,能够帮助网络管理人员掌握网络的运行状况。网络流量分析技术有助于提高金融信息网的运行质量、优化信息网络资源,为网络的正常、稳定、可靠运行提供保障。     

基于TCBF算法的网络流信息统计

针对传统的网络流信息统计算法容易溢出、频繁更新等特点,提出一种基于TCBF(time bloom filter & counting bloom filter)的网络流信息统计算法用于实时在线统计高速网络流信息.算法一方面利用短流超时特点使用time bloom filter抽取短流信息;另一方面利用网络流量分布呈现重尾分布的特性使用counting bloom filter 过滤长流报文.分析了算法的复杂度和误判率,并通过模拟数据分析了算法参数配置对于流信息统计准确性和抽样率的影响.理论分析和仿真结果表明,与标准counting bloom filter相比,TCBF算法可以在使用较少的存储空间的条件下,及时、准确地对网络流量信息进行统计,满足实际测量需要.     

微博语言的复杂网络特征研究

基于大规模微博语料库,构建了3个词同现语言网络,并采用复杂网络分析工具对这些语言网络进行分析。主要目的是探索复杂网络分析方法应用于微博文本的可行性,进而研究微博语言网络的个性特征。研究结果表明,复杂网络分析方法在微博文本上是可行的,在复杂网络的相关参数,如度分布、聚类系数、平均最短路径等方面反映了微博语言的语体特征。该研究不仅拓展了复杂网络方法在语言学领域的应用,而且为基于复杂网络的微博内容挖掘提供了可行途径。     

无线Mesh网络模型研究与仿真

研究网络通信能耗优化问题,由于网络流量大,节点能量不均衡.为了能够有效地降低能量消耗,提出了一种混合智能算法的无线Mesh网络模型.模型首先给出了通信流自相似的基本概念和相应的数学模型;其次结合蚁群算法可以获得最短路径的优点以及遗传算法可以使簇内节点能量均衡的优点进行无线Mesh网络的性能优化仿真,并且给出了算法流程;最后对无线Mesh网络模型的通信流特性进行了仿真分析.仿真结果表明,利用混合智能算法能够更好地描网络通信流特性,有效的降低网络的能量消耗,延长网络的寿命.     

挖掘滑动时间衰减窗口中网络流频繁项集*

网络流数据频繁项集挖掘是网络流量分析的重要基础。提出一种新颖的基于字典顺序前缀树LOP-Tree的频繁项集挖掘算法STFWFI,该算法采用更符合网络流特点的滑动时间衰减窗口模型,有效降低挖掘频繁项集的时间和空间复杂度;在该树结构上提出一种新的基于统计分布的节点权值计算方法SDNW代替传统的统计计算方法,提高了网络流节点估值的精确度。实验结果表明该算法在网络流频繁项集挖掘过程中获得了良好的效果。     

网络流量分类研究进展与展望

近年来,随着互联网的迅猛发展,越来越多的新型网络应用逐渐兴起,网络规模不断扩大,网络组成也越来越复杂。网络流量分类技术作为增强网络可控性的基础技术之一,不仅可以帮助网络运营商提供更好的服务质量,而且能够对网络进行有效的监督管理,确保网络安全。本文综述了网络流量分类领域的研究方法及研究成果,对这些传统方法进行比较,分别指出它们的优势和不足。并针对高速网络环境下的实时分类、加密流分类、精细化分类、协议动态变化时的分类等现实挑战,对相关研究进展进行阐述和分析。最后对未来的研究方向进行展望。     

产品推荐

华为3Com公司网流分析解决方案华为3Com公司网流分析解决方案是基于网络流信息的统计和分析的系统,通过对网络中的数据流量和资源使用情况进行采集和分析,从企业用户的视角审视网络流量、分析网络流量数据,提供全面的历史和实时网络性能信息。它可以帮助用户了解什么应用正在占用带宽,谁、什么时间,正在大量地消耗网络资源,使用户了解网络带宽使用状况、网络中应用分布状况,及时发现网络瓶颈,监测到危及网络安全的异常情况,帮助企业在网络规划、网络优化、故障诊断、异常流量检测和处理等方面做出准确的抉择。NTA网流分析解决方案应用了华…     

基于OD流的网络流量分析系统的设计与实现

当今网络研究者面临的重要问题是怎样同时对多链路网络流量进行建模和分析．本文提出了一种基于OD流的网络流量分析系统,它解决了对网络多链路流量分析的问题,并可以应用到大型的综合性网络流量管理体系当中．     

基于精细化梯度的无线传感器网络汇聚机制及分析

信息汇聚是无线传感器网络的典型传输形态之一.在信息汇聚过程中,网络存在数据流分布内密外疏的不均衡特性.研究发现,在传统跳数模型下,网络数据流分布不仅存在全局不均衡性,而且同层节点内还存在着内疏外密的反向不均衡现象,从而使网络流量分析复杂化.提出一种精细化梯度模型,通过引入加权平均机制,将跳数信息转化为精细梯度信息,并以梯度作为数据汇聚的参考依据.通过理论和仿真分析,精细化梯度模型下网络具有更平稳的网络数据流分布特征,并在通常情况下具有更高的通信效率.     

一种流序列化的网络流量分类算法

针对传统基于端口和有效负载的网络流量分类算法识别率低、分类算法复杂等问题,在分析了网络流量性质的基础上,提出流序列化方法。它将网络流分解成多个流原子,通过提取序列化网络流的特征向量并使用迭代最优化的聚类算法进行流量聚类,最终实现了网络流按不同行为模式聚类。该方法在实验环境中取得了良好的效果。     

互联网IP流分布与流向的分析统计与技术实现

由于两种被普遍采用的网络流量分析协议(SNMP协议和RMON协议)都有其显著的技术局限性,所以提出基于Netflow技术的方案,指出了该方案分析统计互联网IP流分布与流向中的技术优势,为网络规划及技术研究提供了参考.     

基于流知识图谱的通信网络流连接行为分析

图模型能够直观、完整地刻画网络流的连接模式,在网络流行为分析中具有独特的优势,但现有图模型方法存在构图方式单一、信息包含不完整、分析手段不够丰富等问题,通过借鉴知识图谱的概念,提出一种基于流知识图谱的网络流行为分析模型——网络流连接图。通过收集网络流信息构造网络流连接关系的基本模型,基于网络流属性信息设定图节点等级和边权值,在此基础上,利用节点与边的筛选规则提取网络应用行为的核心连接方式和简化网络规模,采用复杂网络特征分析方法提取网络流行为特征参数。实验结果表明,网络流连接图能够充分利用网络流行为测量数据中的可用信息,准确刻画网络应用流连接关系的固有特征,有效地检测与识别DDoS攻击、蠕虫传播以及端口扫描等网络异常行为,同时网络流连接图表现出良好的可扩展性,适合多种图挖掘算法的应用。     

科学家、组织与技术及其关系的社会网络分析

社会网络分析能够对社会网络中行为者之间的关系进行量化分析,以可视化的图形界面展示节点之间的深层关系及群体结构。本文从维基百科中采集计算机网络领域内前沿网络技术、突出贡献科学家和学术信息权威组织机构的相应信息,构建网络技术与科学家、组织机构与科学家等多种类型的关系网络,从中心性、凝聚性及核心-边缘结构等方面进行社会网络分析,得到热点技术、核心研究团队等计算机网络发展趋势上的若干特征。     

基于主成分分析的网络流相关性研究

网络流量是由主机间的大量连接组成，并且包含各种各样的数据。大部分研究集中在整体流量的统计性质上，忽视了整体流量中不同网络流之间的微观关系。该文从微观的角度将整体流量进行分析，找出了基于源和目的IP地址的网络流之间的关系，研究了正常网络流和攻击网络流在相关性上的不同。     

园区网边界流量采样及其可视化研究

基于NetFlow流技术通过提取园区网边界数据流的地址、端口、协议和流量等特征属性在三维空间中建立流的几何可视化模型,简化了网络流量的显示,设计了基于地址段A的可变坐标几何建模算法,优化了模型的渲染,为网络管理人员提供了一种通过流的3D可视化图形来感知网络运行性能的手段。实验表明该模型有效反映了网络流量的相关特征。     

高速网络流测量及模型研究

网络流测量是网络性能分析和网络流量建模的基础。该文分析了网络流测量的方法及特点,针对高速网络流测量中的关键问题进行了研究,并在此基础上提出了高速网络流测量模型,随后对该模型各组件及相互关系进行了分析,最后通过具体实验分析了模型架构及关键技术的可行性。     

基于信息熵的网络流异常监测和三维可视方法

通过分析网络流量可以反映网络运行情况,挖掘异常行为,感知网络安全态势。为了监测网络运行状况和流量异常情况,提高用户对网络流量态势的感知体验,针对大规模网络流量的数据量大和维度广的特点,提出了一种准实时流量数据报出机制,设计了基于三维可视化的流量监测系统,并结合基于信息熵的流量异常挖掘方法,通过人工监测和数据挖掘,实现了异常流量可视化监测,提高了异常检测成功率。给出了监测系统的设计方案和实现结果,解决了网络数据流从抽象到具象的可视化问题,提供了一种更加直观的态势展现方案,提高了用户对网络态势的感知认识能力。     

基于多维数据模型的网络流量分析系统

基于新的网络流定义，将多维数据模型技术应用于网络流量分析，提出了网络流多维数据模型（NF-MDM）。详细定义了NF-MDM的事实和维表，建立了网络流的星型数据模型和多维立方体，实现了一个基于NF—MDM的多维网络流量分析系统。该模型用于分析网络流量时，角度更清晰，方式更灵活，已经应用在某高端商用网络流量分析设备中。     

加密MANET端到端流的推断与识别研究

根据数据流的帧发送时序特性, 提出一种基于时序匹配和关联分析的端到端流推断算法。采用时序匹配、关联分析、流追踪与回溯等机制, 分析与追踪探测区域内的所有端到端流。该算法能够在无须解密报文的前提下进行流量分析, 推断出端到端流的源、目的节点、流路径、流开始时间和流持续时长等信息。仿真实验表明, 算法可以有效识别网络中的端到端流。     

基于流量统计的 P2P 网络关键节点识别

针对当前 P2P（peer-to-peer）网络普遍存在关键节点的现状,为了准确地识别 P2P 网络中的关键节点,通过分析关键节点的相应特点,提出了一种基于网络流量的 P2P 关键节点识别方法。通过提取网络流的空间特征等特性作为关键节点识别的依据,并以 Skype 作为研究对象,采用真实的流量数据进行验证测试。实验表明,该方法能够准确地识别出 Skype 网络中的关键节点,识别准确率较高,而且实时性较好。