TCP数据流的非对称性分析

提出了一个面向TCP流属性的非对称性测度,包括该测度的定义和计算方法。并基于这个测度对CERNET的一个千兆省网边界的实际数据进行了分析。分析工作从流长度(报文数)和流字节数2个属性角度展开,利用一组函数对这些流属性的非对称测度进行了统计和分析,获得了一组有关的结论,可以用于与网络行为学有关的研究。     

Ad hoc网络的TCP性能

Ad hoc网络是一种对等式网络,使用无线通信技术,节点可移动。Ad hoc网络拓扑的频繁变化导致了分组的大量丢失,会被TCP认为是网络发生拥塞,不正确的引发拥塞控制,从而引起吞吐量的急剧下降。使用基于反馈的体系结构与显式的报文通知机制可以有效地克服这一问题。对已有的方法进行比较研究。     

Web负载流的宏观模式与识别

Web服务器或者代理服务器的负载流特性的研究,对Web系统的技术设计、性能评估、容量规划和入侵检测都是非常重要的.已有研究主要侧重于Web负载流在小时间尺度(毫秒、秒、分)的统计特性.本文侧重于Web流在更大时间尺度(分、小时、日、周)特性的研究.提出了可以高效、实时、自动实现的Web流模式的提取、聚类、识别等技术.并用实际的Web负载流进行了验证.结果表明,用简单的几个模板可以描述实际Web流的复杂变化形式.这些模板还揭示了实际Web流的一些新的宏观特征.     

保证TCP友好流公平性的拥塞控制算法

针对非TCP友好流不遵守拥塞控制协议、易抢占TCP友好流带宽的不公平性,提出一种保证TCP友好流公平性的拥塞控制算法,设计保证TCP友好流传输公平性的AQM控制器。分析非TCP友好流的传输特点,估计出其传输流量的最大值。在设计控制器时将非TCP友好流考虑成等价干扰,并在线估计其传输带宽从而限定其最大带宽。设计控制律时利用不确定项的等价干扰方法,以抵消网络不确定性的影响,具有较好的鲁棒性。仿真结果表明,该算法能有效地保证TCP友好流传输带宽的公平性。     

TCP流竞争拥塞及拥塞链路的缓存需求研究

针对流竞争拥塞,提出了一种拥塞分析模型FCCM(flow-competing congestion model),给出了TCP竞争流在拥塞链路上的分布特性,推导了流竞争拥塞发生的条件,进而分析了在流竞争拥塞发生时,路由器为维持拥塞链路100%利用率所需的最小缓存.分析结果表明,当流数目不确定时,应对流竞争拥塞所需的缓存将不大于流数目确定时经典BSCL(buffer sizing for congested interact links)方案中的最小缓存需求.     

基于EBP的宏观网络流量异常行为检测

针对以往Hurst指数估算方法在求解精度和实时性上的不足,提出将EBP引入到网络流量白相似特性分析中,对比实验表明EBP对Hurst指数的估算更精确、实时性更高。利用EBP的这一优势将其运用到宏观网络行为的在线实时分析和异常行为的检测中,对林肯实验室宏观网络行为数据的分析表明,正常行为和异常行为的Hurst分布曲线差异明显。与传统匹配方法相比,基于EBP的异常行为检测方法检测效率更高。     

基于阈值限定的媒体流TCP友好拥塞控制协议

在TFRC协议的基础上,提出了一种基于阈值限定的媒体流TCP友好拥塞控制协议(TC-TFRC)。实验结果表明,TC-TFRC拥塞控制协议解决了TFRC协议在短暂拥塞时出现的不适用于媒体流应用的问题,同时不会导致持续的拥塞,并保持全局的TCP友好特性。     

并行TCP与SCTP多流技术比较研究

数据传送是Internet的基本功能,并行数据传送是提高教据传送效率的有效手段。文章介绍了并行传输控制协议（TCP）和流控制传输协议（SCTP）多流（Multi-streaming）2种Internet并行数据传送技术。分别阐述了2种技术的基本工作原理,分析了各自的优缺点;通过对这2种技术的分析和比较,为两种并行传送技术的选择提供了参考意见,最后进一步探讨了并行TCP技术和SCTP多流技术的未来发展趋势和研究方向。     

TCP流的带宽公平性保证机制研究

端到端的TCP拥塞控制机制使得TCP连接获得的瓶颈带宽反比于RTT。为了缓解TCP对于RTT较小流的偏向，区分服务的流量调节机制在RTT较小的流取得目标速率且获得多余资源的情况下可以确保RTT较大流不至于饥饿。现有的方法在网络拥塞程度较重或者RTT差异较大时不能有效地工作，因此提出了一种改进方法。其主要思想就是根据网络的拥塞程度自适应地调整对RTT较大流的保护程度。大量的仿真试验表明，所提的机制能有效保障TCP流的带宽公平性并且比现有方法具有更好的性能。     

一种非TCP友好流惩罚算法

为了改善Internet中各流量带宽分配的不公平性,提出一种适于缓存管理的非TCP友好流的惩罚算法（NFTFP算法）。通过在缓冲区记录每个连接所占用的带宽,对于非TCP友好流量进行识别和惩罚,从而提高不同数据流享用带宽的公平性。仿真实验表明在标准TCP流量和非TCP友好流共存的环境下,NFTFP算法能提高对非TCP友好流的惩罚力度,在保持较高的链路利用率的同时,获得比RED算法更好的公平性。     

基于收发平衡判定的TCP流量回放方法

基于真实网络流量的互动式回放测试是当前针对防火墙、IPS等串接型安全设备进行测评的最新方法.文中在分析现有基于状态判定的TCP流量互动式回放方法基础之上,引入收发平衡机制,提出了一种基于收发平衡和状态判定相结合的新的TCP流量回放方法.通过在发送TCP数据包前优先进行收发平衡判定将数据包发送出去,提出的方法能够有效减少TCP流量在发送过程中的状态判定开销,提高回放性能.对引入收发平衡机制前后的TCP流量回放方法的差异进行了分析比较.从单个TCP会话特性、并发会话流量特性、网络传输延迟与丢包等角度分析验证了影响引入收发平衡机制后的算法有效性的因素.实际流量实验表明,文中所提方法在回放TCP流量时性能有显著提升,适用于在更大规模的流量环境下对防火墙、IPS等串接型网络安全设备进行测评.     

基于分组重传时延的操作系统探测新技术

指出现有操作系统远程探测技术中的不足之处,结合TCP协议原理,介绍了一种新型的基于报文重传时延的探测技术,同时在分析具体实例的基础上,给出了系统探测的特定算法.     

TCP／IP协议在无线测控网中的应用

介绍了TCP／IP协议和无线测控网,编写了基于TCP／IP协议的客户端程序。该程序运用TCP／IP协议成功地与无线测控网进行了互联和通信,获取了车辆的位置信息。     

TCP/IP协议在无线测控网中的应用

介绍了TCP/IP协议和无线测控网,编写了基于TCP/IP协议的客户端程序。该程序运用TCP/IP协议成功地与无线测控网进行了互联和通信,获取了车辆的位置信息。     

一种基于分布式多源深度学习的智能物联网异常检测模型

随着智能物联网应用场景的不断拓展,网络攻击的频率与规模在不断增加,基于数据流量的异常行为检测是应对物联网安全风险的重要手段。传统检测工具存在隐私泄露、准确率低、稳定性差等薄弱点,为改善这一状况,提出一种基于分布式框架的神经网络异常行为检测模型。首先,该模型引入群体防御的思想,利用分布式结构安全地共享边缘网关的流量知识,有助于提高检测性能,提升安全性和鲁棒性。其次,创新性地将网络流量转化为深度矩阵,融合多种神经网络结构进行特征挖掘,能够有效处理大规模时序序列数据,同时选择两个层次的数据进行拟合,确保模型充分接收信息。最后,基于真实数据集的仿真实验表明,所提出的模型具有优异的拟合能力,其异常流量检测准确率达到90%以上,相比基线模型具有显著优势,能够为智能物联网提供轻量、安全、精准的攻击行为检测。     

系统噪音影响的量化分析

尽管系统噪音对单个进程的影响有限,但对于大规模并行程序性能的影响不容忽视.提出一种基于并行程序计算-通信特征的噪音影响定量评估方法FWQ-MPI,并给出噪音影响的4个量化指标.选取求解稀疏线性代数方程组的3种迭代方法作为研究对象,抽取迭代方法的计算、同步通信特征形成微测试程序;在实际系统上的测试数据明确了系统噪音对并行程序性能的影响机理,并得到系统噪音对并行程序性能影响的若干规律:1)BSP并行程序运行过程中,系统噪音量比例不大,约为2％～6％;2)但系统噪音对BSP并行程序的性能有着较大的影响(当并行规模在1024,2048,4096时,噪音影响比例约为30％～70％);3)其影响随着并行程序规模的扩大而增加,随着2次同步通信间隔内计算量的增加而降低;4)系统噪音的影响主要体现在BSP并行程序的“实际计算通信时间比”要远小于“理想计算通信时间比”.     

拓扑信息引导的视频异常行为检测方法

在视频异常检测任务中,良好的特征提取能力在多帧预测方法中十分重要.然而当面对复杂的环境时,传统的基于空间特征的提取方法往往在多层卷积的过程中忽略了底层特征之间的全局依赖关系.为了更好地进行特征提取,提出一种依托拓扑强相关信息引导的视频异常检测方法.该方法针对底层特征序列进行全局相关性信息的提取,并以此初步增强特征中强关联的信息.将底层特征作为节点,裁剪后的相关性信息作为邻里矩阵,构建关键特征之间的拓扑结构关系图,有效地利用了关键特征的拓扑结构信息.将初步增强的特征与拓扑结构特征进行特征融合,帮助模型更深入更全面地筛选关键特征,提高了特征表达能力.该方法在Ped2、Avenue和ShanghaiTech三个公开数据集上取得了良好的视频帧预测效果,提高了模型的检测精度.     

大规模网络异常流量实时云监测平台研究

网络安全问题呈现出隐蔽性越发增强、攻击更加持久、杀伤力波及更广等特征。单一或少数的数据源很难发现更加隐蔽的异常事件,同时一些针对入侵检测的数据挖掘、神经网络、关联规则、决策分类的算法由于算法本身的原因,对于大规模的数据存在计算能力上的瓶颈。文章提出了一种基于大数据平台的大规模网络异常流量实时监测系统架构,并讨论了关键技术和方法。该平台将离线的批处理计算和实时的流式处理计算相结合,通过对流量、日志等网络安全大数据的分析,实现对于DDoS、蠕虫、扫描、密码探测等异常流量的实时监测。     

基于轨迹词包模型的老人跌倒检测

针对异常行为检测受到光照变化、目标遮挡和计算复杂度高等因素的影响而导致检测效果不理想的问题,本文提出一种基于时空兴趣点和轨迹词包模型的异常行为检测算法。首先,利用时空兴趣提取目标的特征点信息;其次,利用稀疏光流法对特征点进行跟踪,获取目标的运动轨迹。然后,利用Meanshift聚类算法对轨迹进行聚类并构建轨迹词包模型。最后,利用SVM完成异常行为的判别。算法在不同视频数据库上进行了验证,并取得了93.3%的准确率。通过与以往的实验结果的比较,算法在异常行为检测方面具有较好的实时性、准确性和可靠性。     

基于视频监控参考量的异常行为检测研究

为了解决传统算法难以检测一般动态场景情形下人体运动目标的问题,文中提出了一种新的人体运动异常行为的检测方法,该方法组合利用视频监控各个的参考量。文中针对视频序列中人的行为进行分析,目的是检测出人的异常行为,具体涉及：人体运动目标的检测、跟踪与提取,异常行为检测等。文中阐述了异常行为检测的相关概念,介绍了视频监控参考量各个参数的计算方法,探讨了异常行为检测与分类技术的关系。结合异常行为检测与分类的相似性,提出了基于视频监控参考量的算法的异常行为检测方法,给出了其计算方法,并确定了检测的过程,分析该方法的特点和优势。