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.     

网络测量及行为学研究综述

随着互联网的发展,理解网络行为对于网络管理、规划和发展都有重要意义,网络流量测量是研究网络行为的基础。论文首先根据目前Internet发展的特点、网络管理的缺点和不足,分析网络行为学的研究难点和重点。将网络测量及行为学研究分成测量、流量行为分析、端至端行为分析等三个方面,并分别从这三个方面的国内外研究状况进行分析总结。论文最后定义网络行为学的概念,并提出网络行为学的研究方向。     

高速网络流量测量方法

高速网络流量测量是目前实施实时准确地监测、管理和控制网络的基础.基于网络流量测量的应用,将网络流量测量分为抽样方法和数据流方法.从不同的层次,将抽样方法分为分组抽样和流抽样,分别介绍了两类抽样方法;从测度角度介绍了数据流方法.详细介绍了高速网络流量测量的常用数据结构,以及抽样、数据流方法在高速网络流量测量中的应用,比较了各种方法的优劣.概述了高速网络流量测量技术的研究进展.最后,就现有的网络流量测量方法的不足,对网络流量测量的发展趋势和进一步的研究方向进行了讨论.     

基于FPGA的网络流量计设计与实现

网络测量是研究网络行为和网络流量特性的有效方法.网络计费变得越来越重要,基于流量的网络计费将成为下一代网络计费的模式.文章探讨了网络流量计量的相关技术,阐述了流量计量的重要性,提出了网络流量计量的实现算法和基于FPGA的设计.     

基于抽样测量的高速网络实时异常检测模型

实时异常检测是目前网络安全的研究热点.基于大规模网络流量的统计特征,寻找能够评价网络行为的稳定测度,并建立抽样测量模型.基于中心极限理论和假设检验理论,建立网络流量异常行为实时检测模型.最后定义ICMP请求报文和应答报文之间比率的网络行为测度,并实现对CERNET网络ICMP扫描攻击的实时检测.该方法和思路对其他网络安全检测研究具有一定的指导意义.     

一种新型的高速IP网络的流量测量体系

网络流量测量是网络管理的基础之一，流量测量体系结构的研究是网络流量测量及其应用的基础和重要环节。对传统的网络流量测量方法的特点进行了分析，对高速网络流量测量中的关键问题进行了研究，采用数据流归并技术，以提高实用性为目的，Linux平台和开源软件的基础上提出了一种新型的基于分布式探针的高速IP网络流量测量体系，并对其构成及特点进行了分析。该测量体系提供了实用的高速测量平台和数据分析接口，具有广阔的应用前景。     

网络测量及流量采集技术综述

对网络测量进行了定义,描述了网络测量的功能以及网络测量的方法,介绍了RFC中定义的网络性能度量值的概念,最后对网络流量测量中经常用到的流量采集技术进行了分析和比较.     

网络性能测量技术探析

随着互联网的发展,理解网络行为对于网络管理、规划和发展都有重要意义,网络流量测量是研究网络行为的基础。网络流量性能测量是网络管理和系统管理的一个重要组成部分,为网络的运行和维护提供了重要信息.同时也是网络流量具体建模、分析的必要前提和手段,该文对网络性能测量的相关内容,意义,以及网络性能指标的测量与分析进行了系统的介绍,并对网络性能测量的下一步发展进行了展望。     

网络流量测量及其分析研究

从网络测量技术的发展、流量测量的方法及流量测量模型几方面介绍和分析了国内外网络流量测量的研究现状,指出了在流量测量模型方面需要改进和进一步研究的问题。     

网络测量及其关键技术

讨论网络流量测量的常用方法和常用测量指标以及网络流量测量中的关键技术。介绍了时延测量、“噪声”分组过滤、丢包率测量、时钟偏移影响的消除等几种网络测量中常用的关键技术。通过对这些关键技术的分析,探讨了各种测量模型以及存在的问题。由于网络快速发展,新应用不断提出,网络正变得越来越复杂。为了应付日益复杂的网络,必须提出新型的网络测量方案,为整个网络稳健、可靠、高效的运行提出重要依据。     

基于统计分析的高速网络分布式抽样测量模型

分布式被动测量是研究网络行为的一个重要手段，其面临的主要问题是难以实现高速网络流量测量，因此需要使用抽样技术．分布式抽样测量技术需要解决两个关键问题：分布式测量点测量报文的一致性和抽样样本的统计随机性．为此，抽样测量的核心是选择合适的抽样掩码匹配位串，以保证抽样样本的随机性，且实现分布式测量点的信息一致性．文章对CERNET主干网络流量IP报头各字段的随机性进行分析，结果表明标识字段16bits满足抽样掩码匹配位串要求，并对抽样样本的随机性和统计属性进行分析．实验验证抽样样本既能用于网络行为研究也能用于流量行为研究．     

高速网络测量系统时钟同步的研究与分析

在监测网络流量行为中，时钟同步是提供准确的网络测度测量值的前提保证．单向延迟等网络性能测度至少需要毫秒级的同步精度。然而，在高速、大规模、分布式的网络环境下，高速的网络流量影响了系统的时钟响应信号，使得原本是线性模型的相对时钟偏移模型受到影响，这一影响使得即便使用NTP或者GPS，都无法很好地解决时钟同步问题．本文以一个分布式的抽样测量监刚乐境PERME和CERNET地区网主干为依托，详细分析和讨论了高速IP网络中的时钟偏移问题．通过大量真实的实验数据时高速网络中的时钟同步问题进行了研究和分析．同时，对如何解决实验中出现的模型的非线性问题指出了自己的见解．     

网络测量分析及研究综述

网络行为测量是网络行为分析的基础。网络的性能评价,网络规划,网络预测都离不开真实的数据和现象的捕获。文章从网络测量的方法、网络测量的基础设施以及网络的流量模型几方面,论述了目前Internet网络测量的现状,提出了一些需要努力和改进的问题。     

Quantifying the temporal characteristics of network congestion events for multimedia services

Effective quality-of-service (QoS) metrics must relate to end-user experience. For multimedia services these metrics should focus on phenomena that are observable by the end user. Once a congestion event occurs in the network it tends to persist, resulting in long bursts of consecutive packet loss. Such an event is observable to the network customer. There is a need to increase our understanding of the temporal characteristics of congestion. It has become increasingly apparent that the temporal characteristics of congestion events have the dominant effect on user-perceived QoS. A rigorous definition of the time between congestion events is given here, as well as an associated prediction methodology. The inter-congestion event time or the rate of congestion events per unit time provides a network quality metric that is easily understandable to network users and is conveniently predicted and measured. The contribution of this paper is the definition of a metric to characterize congestion events and development of an analytic methodology to predict the expected number of congestion events per unit time. The proposed methodology is evaluated for a variety of traffic models.     

基于被动测量的高速网络管理系统

文章介绍了,面向大规模宽带IP网络的运维和管理需求,以大规模网络流量测量和知识挖掘为基础,研究基于分布式流量测量的新一代宽带网络管理架构,采用网络被动模式测量和主动采集技术手段,实现对高速网络的性能、状态和行为的管理,并对网络测量技术的发展及现状、系统的架构、关键技术和应用情况作了详细阐述,明确下一步研究工作的目标。     

基于网络聚合行为的异常检测方法研究

异常检测是目前入侵检测领域中非常活跃的一个方向,其作为一种网络测量手段,对于分组报头的信息统计在很多网络管理任务中扮演着重要的角色。将网络分组中报头的信息按不同方式汇聚起来,可以有效地构成网络流量属性的度量。从中提取的特定的子集在理论上可用于刻画网络流量中的攻击行为特征。如果这些度量在无攻击情况下能够表现出相对的稳定性,而在发生攻击时相对敏感,则可用于判断攻击的发生。并利用主成份分析和信息增益对冗余特征进行删减,能够使得判断攻击时需要的开销降低,增加实时性。基于机器学习的分类器是判断攻击导致的异常的有效手段。根据所选取的度量指标设计了三种分类器。     

大规模互联网端到端行为评价指标研究

目前,Internet端到端行为的研究仅仅局限在包延迟、包丢失等测量指标的研究上,但如何根据测量指标对链路的性能进行评价却没有做深入研究。文章针对链路特性提出了两个评价指标:稳定系数和总体评价系数,对链路的稳定性和总体性能进行了评价。其中,稳定系数是评价网络链路稳定性的一个系数,总体评价系数是体现链路稳定性和链路速率的综合特性的一个系数,它反映了目前链路给用户的总体使用效果。接着文章介绍了在实际测量中用到的笔者自己编写的测量工具Posip。该工具采用指数间隔进行测量采样,并解决了一般ping工具中的“应答包丢失”问题。最后,文章使用工具posip对我国Internet教育网和科技网中的43条链路进行了测量和分析,并使用两种评价指标对所测链路进行了评价,取得了较好的效果。