Internet建模的关键:研究AS间路由器级连接

AS-域内路由器双层建模方式是目前构建Internet规模的路由器级网络模型的最优方案,而该方案需要建模者首先了解域间路由器级连接的特点。指出AS类型对域间路由器级连接具有较大影响,通过定义域间参数映射,利用现网数据对域间参数映射进行了现象学分析,获取了不同类型AS相关参数的分布函数,解决了双层模型的组合问题。在此基础上,进一步对Internet建模尚需解决的若干问题进行了讨论。     

域间路由系统级联失效下的目标失效链路定位方法研究

协同跨平面会话中断攻击(CXPST)通过反复对多条目标关键链路实施低速率拒绝服务攻击(LDoS)造成域间路由系统的级联失效,从而导致互联网的崩溃。在攻击发生的初期,准确定位受攻击的关键链路并进行针对性防御可遏制级联失效的发生。现有定位方法研究主要基于单源假设,没有考虑多条目标链路同时失效对路径撤回的影响,定位准确度受限...     

普适的宽带路由器IPSec改造方案

网络安全性问题的日益突出迫切要求对现有普通宽带路由器进行支持IPSec的改造。以往的基于加密卡串接网络处理单元的改造方法导致资源利用率低、工程实现难度大及普适性差。文章提出了一种新的改造方案,能够利用宽带路由器的快通道实现加密数据包的高速传输,利用慢通道维护IPSec协议的运行及相关安全信息的下发,以一种母板结构普适地实现了对宽带路由器的高效IPSec改造。     

路由器缓存需求

综述了路由器缓存的作用.基于随机服务理论,分析了长相关流量模型和短相关流量模型输入路由器系统时的各种缓存分析结论,着重论述了基于TCP协议模型的各种最新缓存需求研究成果,包括经验法则、小缓存法则、基于丢包率的缓存法则和极小缓存法则.总结了以往缓存研究的不足,并提出了下一步的研究方向.     

负载均衡Birkhoff-von Neumann交换中的公平调度

负载均衡Birkhoff-vonNeumann交换在设计高性能并保证时延的交换机时具有重要的参考价值,但目前缺少对算法公平性的研究。对基于帧的方案[6](FrameBasedScheme,简称FBS)进行了公平性分析,指出公平性欠缺的主要原因是没有区分流。依据全帧优先(FullFrameFirst,简称FFF)算法[5],提出加权全帧优先算法(简称W-FFF),证明它可提供比FFF算法小的平均时延,支持保证率型服务,并可实现带宽的公平分配。     

URED:一种基于用户的缓存管理算法

宽带接入是当前热点问题,用户的流量管理是其实现的一个重要方面。根据宽带接入的需要,在分析现有缓存管理算法的基础上,提出了URED基于用户的缓存管理算法,这种算法采用虚拟用户队列和实际业务队列管理分组,将用户流状态引入到分组丢弃概率计算中,在用户区分的粒度上提供了用户流的管理并保证了业务流服务质量。通过分析和仿真,证明了URED算法的性能,比现有缓存管理算法更适合于接入路由器的要求。     

网络流水印安全威胁及对策综述

与基于流量特性的被动流关联技术相比,基于流水印的主动流关联技术在跳板攻击溯源和匿名用户追踪等方面准确率更高、误报率更低,观测时间也更短.首先介绍基于包载荷、流速率、包时间等载体的典型流水印技术;然后阐述流水印技术所面临的多流攻击、均方自相关攻击、K-S(Kolmogorov-Simirnov)测试、PNR(Peng Ning Reeves)攻击、时延规范化攻击、BACKLIT检测、已知流攻击、输出检测和复制攻击等安全威胁;接着分析流水印技术在抵御多流攻击、均方自相关攻击、K-S测试和BACKLIT检测等各类安全威胁时所主要采取的嵌入位置随机化、水印信息重排序、“一流一印”、“一流一码”、嵌入延迟最小化等方法和手段;最后对流水印安全威胁与对策的研究热点及发展趋势进行总结和展望,认为现有流水印技术的抗攻击能力有待进一步加强、流水印隐蔽性的统一评价体系与指标缺乏、其他载体及多重载体流水印技术的攻击手段亟待研究.     

面向融合网络的广电双向接入网入侵检测系统

针对广电接入网边界缺乏安全防护措施的现状,提出一种面向融合网络的广电接入网入侵检测系统,并实例化为SunGnet703,可检测并实时阻断进出接入网边界的各类网络攻击.系统具有“非配合”部署、高可靠性运行、“隐形”确保自身安全、全维数据分析4个特点,可为广电接入网边界提供一种简便易行的安全防护方法和实际系统.     

基于数学形态学的时间序列相似性度量研究

时间序列相似性度量在挖掘时间序列模式,提取时间序列关联关系上发挥着重要作用。分析了当前主流的时间序列相似性度量算法,分别指出了各度量算法在度量时序数据相似性时存在的缺陷,并提出了基于数学形态学的时间序列相似性度量算法。通过将归一化的时间序列二值图像化表示,再引入了图像处理领域中的膨胀、腐蚀操作对时序数据进行形态变换分析,提高相似时序数据部分的抗噪性,同时又不降低时序数据非相似部分间的差异度,实现时序数据相似性度量分类精度的提高。在八种时间序列测试数据集合上进行分类实验,实验结果表明提出的基于数学形态学的时间序列相似性度量算法在时间序列分类精度上得到有效改善,相比于DTW相似性度量算法,分类精度平均水平提升了8.74%,最高提升20%。