Internet测量与分析综述

Internet的测量与分析为加强网络管理、提高网络利用率、防范大规模网络攻击提供了技术平台,已成为学术界、企业界和国家政府部门所普遍关心的重要问题之一.介绍了网络测量与分析的主要研究内容,以及国内外相关领域的研究现状,并对该领域的关键技术和难点问题进行了分析,同时给出了网络测量与分析的3个典型应用案例.  

基于信任QoS增强的网格服务调度算法

针对目前服务网格资源管理中存在的信任机制与调度机制分离的缺陷,基于网格信任模型与信任效益函数,讨论了信任QoS增强的计算服务调度问题．分析传统调度算法的缺陷,提出了基于信任关系的网格服务调度算法．该算法在保证服务性能Qos要求的同时兼顾信任QoS的要求．对基于信任关系的网格服务调度算法性能进行了多角度分析和大规模仿真实验．结果表明:该算法较传统的基于性能QoS的调度启发式和另外两种基于信任Qos的调度启发式而言,不仅具有较优的平均信任效益、总信任效益和较小的最终服务期,而且在失效服务数和系统吞吐率等方面具有较好的综合性能．  

大型ISP网络拓扑多点测量及其特征分析实例

深入了解Internet拓扑的结构性质有利于更好地设计和发展Internet.由于Internet规模巨大,以及获得完整的路由器级Internet拓扑方面的困难,目前无法研究整个路由器级Internet拓扑.因此,分别研究每个国家级或跨国因特网服务供应商(Internet service provider,简称ISP)网络拓扑结构成为了解Internet拓扑特征的一种可选方法.以中国教育科研网为例,简要描述了多点测量其路由器级拓扑结构的测量结果.分析了该实例拓扑图的节点度分布特征、较大特征值的有关性质以及谱密度分布特征.分析了该实例拓扑图的无符号拉普拉斯谱(SLS)、规格化拉普拉斯谱(NLS)以及群集系数等度量特征.分析结果表明,大型ISP拓扑确实具有某些幂律特征;不同于自治系统级拓扑的情形,对ISP拓扑的节点度补累积分布来说,幂律分布未必拟合得最好;ISP拓扑是一种无标度图,但不符合Barabasi-Albert(BA)生长模型;SLS和NLS具有区分不同的路由器级拓扑结构的能力;Internet路由器级拓扑的发展可能遵循一种不同于BA模型的生长过程.  

一个有效的动态负载平衡方法

动态负载平衡问题是影响工作站网络并行计算性能的重要因素.首先分析出在负载平衡中产生额外开销的根本原因是负载的移动,进而定性地给出了每次移动负载的粒度公式.引入益处估计的方法,仅在有益的情况下进行负载平衡.另外还提出了一个动态负载平衡算法.最后,通过实验,将该算法的运行结果与其他人的负载平衡结果以及不作负载平衡的情况进行了对比.此负载平衡方法在工作站为空载以及不同的负载和应用问题的数据规模的情况下,都优于Siegell等人提出的方法.  

基于单向函数的动态密钥分存方案

给出了一个基于单向函数的动态(t,n)-门限方案,它具有下述特点:(1) 系统在更新系统密钥时,无须更改每个成员的子密钥;(2) 当某个成员的子密钥泄密时,系统只需为该成员重新分配子密钥而不必更改其他成员的子密钥;(3) 当有新成员加入时,系统只需为新成员分配一个子密钥,而其他成员不受任何影响;(4) 子密钥可无限制地多次使用;(5) 只需公开n+1个信息(在需要确认欺骗者时需公开2n+1个);(6) 恢复系统密钥时,采用并行过程.  

容灾的理论与关键技术分析

该文系统地介绍了容灾的理论，包括容灾的概念、分类、等级和评价指标，并对客错和客灾的区别和联系进行了分析，给出了容灾系统的结构框架，对容灾系统的关键技术进行了分析、讨论，最后，对容灾的研究前景进行了分析和预测。  

多QoS约束网格作业调度问题的多目标演化算法

针对网格计算中的多QoS约束网格作业调度问题，以独立作业为研究对象，将其规约为多目标组合最优化问题．通过深入剖析多目标最优化理论及其演化算法，结合网格作业调度自然特征，提出了一种解决多QoS约束网格作业调度问题的多目标演化算法．该算法求解多个QoS维度效用函数指标的非劣解集，尝试解决多管理域间网格用户、资源管理者等网格实体的多目标协同问题．仿真结果表明，在时间维度、可靠性维度、安全性维度QoS效用值等用户级QoS指标，以及丢弃作业数等系统级指标方面该算法与QoS-Min-min和QoS-Sufferage等同类算法相比具有较好的综合性能．  

分布式网络入侵检测技术研究

分析了各种网络入侵检测技术的特点和局限性，对基于代理的分布式入侵检测系统进行了分类，介绍了两种典型的系统框架，对分布式网络入侵检测系统实现过程中的关键技术进行了讨论，并给出了详尽的解决方案。  

对BM串匹配算法的一个改进

在对著名的Boyer-Moore串匹配算法进行分析后，对BM算法中的尝试位置移动处理部分进行改进，提出了IBM算法，该算法将好后缀移动与坏字符移动合并进行处理，从而尽量利用已有信息进行更大的尝试位置移动，使算法具有更高的效率，对IBM算法进行复杂度分析，对BM算法、KMP算法和IBM算法进行实际性能比较，结果表明IBM算法的平均运行时间明显优于BM算法与KMP算法。  

中文交互式网络搜索引擎及其自学习能力

论文介绍了一种具有自学习能力的中文交互式网络搜索引擎INSE（ an interactive net search engine for Chinese text)，向量空间模型，基于自动机思想的中文分词技术和神经网络BP算法的应用是INSE的主要特点，重点讨论了INSE的自学习能力，基于自动机思想分词是INSE提出的新概念，应用于中文分词可以满足最大匹配且速度较快，INSE自学习能力的实现依靠神经网络的BP算法，该算法应用于交互式网络搜索引擎可以提供更加精确的查询结果。