如何解决数据中心布线系统的维护问题

大多数用户面对数据中心的维护难题都显得有点束手无策。不断增长的端口和带宽需求,日渐狭窄的机房空间,无处安放的设备,越来越脆弱的布线环境,不堪重负的制冷系统,日益增加的单位能耗……这些日常的维护难题给最终用户带来了不少麻烦。     

小型DDoS更加普遍 更加危险

分布式拒绝服务攻击类型在不断"进步"。企业总是害怕高带宽的网络暴力攻击,而小型基于应用程序的分布式拒绝服务攻击则更普遍、更危险。网络上大型DDoS攻击通过消耗大量带宽造成严重破坏,而小型DDoS攻击通过小麻烦带来更大的问题。在监控下,这些小型DDoS攻击用合法IP地址(而非欺骗地址)模仿真实用户流量。报告发现2011年76%的DDoS攻击占用带宽不到1Gbps。只有9%的DDoS攻击超过10Gbps。报告分析了40个不同企业的DDoS案例,发现     

使用Wireshark分析并发现DDoS攻击

与那些复杂而精密的入侵行为和漏洞利用相比,大部分的DDoS攻击显得十分粗线条,属于黑客世界中的"暴力犯罪"。然而,随着网络规模的不断扩大,可利用的僵尸网络规模的和带宽不断增加。现今DDoS攻击者的发起变得相对容易,     

基于机器学习的电力通信网带宽分配算法

网络切片技术可以优化5G电力通信网的数据传输性能,但是数据传输性能取决于5G电力通信网为各切片分配的带宽大小。为优化5G电力通信网中网络切片的时延效果,提出了一种基于机器学习的5G电力通信网带宽资源分配算法。该算法通过对5G电力通信网历史预留带宽量及获得的时延效果进行学习,进而确定当前时隙网络应该预留的带宽资源大小。得到当前网络所预留带宽大小后,算法会基于切片重要度按序准入切片。仿真结果显示,所提出的基于机器学习的带宽资源分配算法可以提升17.968%切片加权时延和,并获得43.21%的决策性价比增益。     

精确定位的高带宽新型音圈电机驱动器研究

为了在极高磁道密度（TPI）的硬盘中快速寻道定位、读取数据,研发了一种新型高带宽驱动器组件.该新型高带宽驱动器的音圈电机（VCM）具有独特的音圈结构和磁极（体）排列.在电磁设计中,应用三维有限元分析法（FEA）对一些关键电磁参数及主要结构尺寸进行了优化;预测了系统的动态性能.分析表明,新型音圈电机驱动器产生的电磁力形成了纯力矩,降低了轴承和轴上的反作用力,与传统驱动器相比,更好地抑制了影响伺服带宽的横向准刚性体震动模式（QR模式）,使驱动系统能在高TPI下快速跟踪和精确定位.实验测试了系统的频率响应特性,与理论设计符合得较好.     

面向估计性能的双通道带宽分配策略研究

本文主要研究了面向估计性能的双通道带宽分配策略问题.为了减小网络化控制系统中时滞现象对信号传输的影响,将系统建模为Markov跳变时滞系统.采用双通道传输策略,提升数据到达率,减少数据包的丢失.考虑到信道容量的有限性不利于大量数据的高效传输,将有限的带宽灵活地分配于两个通道,使得信道容量得到充分利用.在此基础上,本文提出了面向估计性能的双通道带宽分配策略,设计了双通道量化传输方案以及状态估计器,推导出了时变估计误差系统满足H_∞性能的充分条件,并得出估计器增益矩阵设计方法,最后给出实例验证了所设计系统的有效性.     

联合无线资源管理技术的改进型垂直切换算法

针对移动主机在垂直切换过程中无线资源的合理分配问题,基于通用移动通信系统(UMTS)和无线局域网(WLAN)构建的无线异构网络环境,按照不同业务的服务质量(QoS)优先级,提出一种联合带宽借用、负载均衡机制的新型垂直切换算法;建立基于Matlab的性能评估仿真平台,对新呼阻塞率、掉话率进行分析。结果表明,该算法可以在维持较小阻塞率的情况下,有效减少掉话率,保证QoS需求高的话音业务取得很好的服务质量。     

基于云计算环境的校园网网络视频直播设计

对传统的校园网视频直播技术架构进行了分析,针对存在的传输路径长、网络抖动影响大等不足,提出了一种基于云计算环境的视频直播设计方法。首先对基于云计算环境的视频直播整体架构进行了描述,然后对涉及的关键问题进行了深入的分析,最后在真实的校园网环境中进行了测试。该方法采用分层的建设思路,具有可弹性扩展的特点,有效地节约了校园网主干线路的大量带宽和物理计算资源,降低了视频直播平台的运行维护难度。     

一种基于KPCA-LSSVM的可用带宽在线预测算法

针对目前端到端可用带宽预测方面研究工作较少的现状,提出一种基于核主成分分析KPCA(Kernel Principle Component Analysis)和最小二乘支持向量机LSSVM(Least Squares Support Vector Machine)的可用带宽在线预测算法ABOP。在采集网络状态样本数据并对其进行相空间重构的基础上,采用KPCA对数据进行降维降噪处理,最后基于LSSVM对可用带宽进行在线预测。为减小计算开销,提出一种递推计算的方法加快模型更新速度,并采用粒子群优化算法对模型参数进行多步更新,确保了在线预测的时效性。仿真表明,提出的ABOP算法具有较高的预测精度和较快的预测速度,能够满足可用带宽在线预测的要求。