基于SharpPcap的网络流量监控系统

为了在局域网中能够实时监视网络流量,并对流量进行分析和控制,提出了一个基于SharpPcap框架的局域网流量监控系统(SPCatcher).通过对网络流量监视、流量分析、流量控制等子模块进行需求分析,设计了流量监控系统的框架模型,并给出了根据数据传输方向和指令响应顺序进行划分和组合的功能实现图.通过SPCatcher系统捕获网络流量并进行分析,找出网络性能降低的源头,进而可对存在滥用网络带宽行为的特定客户端进行流量控制.实现了软件系统,测试结果验证了SPCatcher系统的流量监控功能的有效性.     

流量抽样关键技术研究

网络管理和监控是网管系统和流量工程的重要组成部分.随着网络的高速发展,实时有效的流量抽样技术对网管系统和网络监控系统越来越重要.传统的网络流量测量是对链路上通过的所有报文进行都捕获和统计的方式进行的.随着网络技术的发展,传统的流量测量方法会对测量设备产生很大的开销,因而变得不再实用.为了解决上述问题文章对现有网络流量监测技术进行研究,首先对流量测量方法和流特征进行介绍,然后介绍了现有抽样技术的种类以及现有抽样技术的研究现状,最后介绍了三种具体的自适应抽样技术.     

一种交互式网络流量监控系统的设计与实现

网络流量监控系统对网络资源分配、网络规划、错误预报及入侵检测等管理是至关重要的;对传统单一网络流量监控系统的SNMP协议、网络性能测量技术及网络拥塞产生的原因进行了分析,提出了一种交互式的网络流量控制系统模型,该系统模型在SNMP协议基础上,采用交互方式实现了对网络流量数据采集和网络服务器的实时监测,进而优化了网络资源的分配,提高了网络传输速度,确保了数据的有效性,进一步抑制了网络拥塞现象.     

网络行为监测与还原系统及关键技术研究

讨论了高速网络环境下一种网络行为监测与还原系统的设计与实现.阐述了基于LIBPCAP的包捕获机制及产生瓶颈的原因.为了改善数据捕获性能,采用改进的高速网络数据包采集的零拷贝技术.用Hash表实现TCP会话高效重组,分析了http协议对应用层http协议还原和Web内容的重构,重现用户浏览Web页的内容,实现了对网络用户行为的监测和还原.     

网络分析仪在网络流量监测中的应用

网络流量监测是网络安全管理的一种基本方法.文中论述了网络流量监测的 SNMP 技术、RMON 技术和 RMON2技术,分布式网络分析仪的工作原理,对网络流量监测的方法,从软件和硬件的使用、测量机制、流量监测的时间等进行了比较和分析.利用网络分析仪在实验室网络中在线实时采集和统计到的数据,如帧流量和带宽利用率、交换机端口流量、统计的通过数据包的协议类型分布状况等.通过在实验过程中不断增加网络流量,网络管理者能够直观地监测和对比各个时段的网络流量,及时排查网络故障,合理地利用网络资源,安全地管理网络     

基于DPDK的高速数据包捕获方法

不断增大的网络带宽给人们提供了丰富的网络应用和服务的同时,也给传统的数据俘获系统带来了挑战.本系统基于Intel数据平面开发套件（Data Plane Development Kit,DPDK）设计了高速网络数据包捕获软件.能够更好适应目前校园网高速网络数据包捕获的要求,为网络数据包分析提供技术支持.最后,本文对基于DPDK的数据包捕获系统和传统Libpcap进行了实验结果对比,表明基于DPDK的数据包捕获系统能够明显提升高速网络出口数据俘获的性能.     

基于FPGA+TCAM架构的网络分流系统的设计与实现

网络流量分类技术为网络服务提供有力保障,在网络行为分析和网络监管方面发挥重要作用。设计并实现了一种基于FPGA+TCAM架构的网络分流系统,接入高速网络信号,恢复数据流信息,并对其进行分流管理。解决了传统网络分流系统接入速率不高,分流效果差的问题。最后对系统平台进行了测试,测试结果表明,该系统具备在高速网络环境下数据流实时分流处理的能力。     

高速网络流量监测系统的设计与实现

设计并实现了一种高速网络流量监测系统。该系统基于高速数据采集卡和普通服务器,在硬件采集、存储数据的基础上,实现数据捕获、分析、统计、报表等功能。通过该系统,用户可以制定针对特定业务的流量监测,并且可以对网络的健康状况和瓶颈等进行测试,帮助用户迅速地确定网络问题。目前该系统己经运行在实际网络环境中。     

高速网络环境下的网络入侵检测系统的研究

高速网络环境下的入侵检测是一个新的研究方向。基于负载均衡技术和协议分析技术,提出了一个能够应用在高速环境下的网络入侵检测系统。负载均衡技术把在前端捕获的高速数据流进行分化,以利于后端处理;协议分析技术利用网络协议的层次性和相关协议的知识快速地判断攻击特征是否存在。基于代理的分布式体系结构,增强了系统的可扩展性,提高了系统的检测效率。     

云系统的安全性增强算法研究

当前云系统的安全防护主要针对单一方面进行,难以做到全方位防护且不具备评估云系统安全性的能力。为此,提出一种安全性增强算法。通过4级流水化PF_RING提升云系统的吞吐率和并行性,应用基于神经网络的分析方法进行安全性检测,采用最佳选择算法对安全性进行评估。实验结果表明,该算法能够在云系统中实时进行网络流量捕获和漏洞检测等操作,平均入侵防护率达94.1%,报文捕获率达97.6%,提高了在高速网络环境下对网络数据的实时分析处理能力。