自相似业务网络性能分析

最近10多年的大量研究结果表明,网络业务具有普遍的自相似特性.自相似特性对网络的性能分析和设计具有广泛的影响.自相似业务的性能分析问题是一个没有很好解决的问题.提出了自相似业务环境下的分形界到达过程,研究了基于分形界到达过程的自相似业务漏桶参数的优化方法,给出了时延约束条件下漏桶速率和桶深的计算公式.最后研究了网络演算在确保服务性能分析中的建模方法,推导出了基于网络演算的端到端时延界、队列长度界和有效带宽的计算公式.通过具体的应用实例,验证了分析结果的正确性和有效性.     

自相似参数辨识与汇聚无线业务尺度特性分析

Hurst参数是衡量网络流量自相似程度和突发性的重要参数,在时域R/S统计、方差 - 时间图法和频域周期图法的基础上,提出一种最优化线性回归小波模型,实现小波域内Hurst参数的准确有效快速辨识.研究了WLAN中多个输入业务源的汇聚过程以及汇聚的多输入自相似业务源统计特性.仿真实验比较了传统的以及基于最优化线性回归小波模型的Hurst参数辨识方法,验证了理论分析中汇聚自相似业务也呈现自相似性的结论,且仿真结果表明,汇聚业务的突发性得到加强而不是削弱.研究结论对网络流量的准确建模以及网络传输中流量控制和优化网络资源配置以及提高网络性能具有重要作用.     

自相似网络的时延抖动性能仿真分析

自相似性对网络性能产生了影响是当前的研究热点。建立了一种基于FBM的自相似网络排队时延抖动分析模型,重点讨论了自相似流量作为输入时对排队系统的时延抖动的影响。对理论分形流量和实际测量流量进行了仿真实验,验证了结果的正确性和有效性。实验结果表明：自相似流量长相关强弱的程度对排队系统时延抖动特性具有非常不同的影响,尤其是在缓存较大的情况下。同时,还发现网络流量中长相关发生作用时状态转变与排队系统本身的参数也有关,这是新的发现,对实时业务的网络性能评价具有重要的参考意义。     

基于分形理论的无线链路性能分析

根据无线网络的实际测试结果，使用R／S分析法首次发现了802．11无线局域网的业务量特性具有长相关性(自相似性)，并发现两台无线设备进行点对点文件传输时的网络特性同样呈现出显著的长程相关性，作为建立基于分形理论的无线链路特性的数学模型的初步尝试，给出并验证了丢包率PLR与Hurst系数、缓存区容量大小和该无线链路服务率之间的一个近似的计算公式。     

基于自相似系数聚类的快速分形编码研究

自相似是分形理论中重要的特征,广泛地应用于分形图像编码.聚类分析是将数据对象分组成为多个类,在同一个类中的对象之间具有较高的相似度.通过对图像自相关模型的研究,提出了判断图像自相似性强弱的方法,定义了自相似系数来表征图像的自相似程度,并将自相似系数与聚类算法相结合,改进了分形图像编码,实验结果表明,该方法在不影响重建图像质量的情况下,加快了分形编码的速度.     

无线数据网络中的自相似性

在研究通信网络的流量控制及网络性能的时候．业务源模型是一个十分重要的组成部分。传统的业务流模型大多是基于泊松或贝努力过程的．而这些模型表现出的行为与实际网络的测量结果不符。大量业务的测量表明：在这些业务中普遍存在着自相似性(即长相关性)。采用自相似建模表征业务到达过程的长时相关特性具有较高的精度．其中Hurst系数是表征业务突发特性的重要参数。经研究发现，无线网络中仍然存在自相似性。考察CDPD(蜂窝数字分组数据网)的特性，发现自相似性对网络的排队性能有着显著的影响．可以通过增加队列长度，加大缓冲存储空间，实现降低延时。     

自相似复杂网络的分形特征分析

针对自相似复杂网络的研究进展情况,阐述了自相似复杂网络的形成过程,讨论了容量维数和信息维数这两类分形维数的优缺点和应用,并对复杂网络的平均最短路距离、群集系数和顶点度分布等三个统计属性进行详细介绍,从而揭示自相似复杂网络的分形特征。     

无损分形整形器模型及其性能分析研究

在自相似网络入口处利用分形整形器对输入业务流进行监控是实现自相似网络QoS保障和避免拥塞的必要手段。基于网络演算建立了无损分形整形器的数学模型,进而给出了无损分形整形器的性能模型,分析并讨论了无损分形整形器的引入对自相似网络性能的影响。     

一种基于小波分析的DDoS攻击检测方法

通过对网络流量的分形特性和分布式拒绝服务（DDoS）的特点进行研究,提出了一种基于小波分析的DDoS攻击检测方法,并设计了该方法检测攻击的模型。对网络流量的分形特性进行判断,然后对具有自相似特性和多重分形特性的网络流量,分别采用基于小波分析的Hurst指数方差法和基于多窗口小波分析的Holder指数法检测DDoS攻击。通过对DARPA 2000年数据的实验表明,该方法能够有效地检测到攻击,对大流量背景攻击、低速率攻击、反射式攻击也都达到了较高的检测率,比传统方法有效。     

基于小波变换的网络流量预测模型

目前研究发现实际网络流量具有明显的分形特性,流量的多重分形特性对网络性能有着非常重要的影响,有必要建立一个基于多重分形特性的可以同时预报长相关和短相关特性的实际网络业务模型。利用AR, ARMA等模型对短相关数据能较好地预测而对长相关数据预测精度不高的特点,并结合小波变换能够去除实际数据相关性,建立新的预测模型,使其对长相关数据同样具有比较高的预测精度。改进后的模型克服了FARIMA模型计算量比较大的缺点,保持了算法的简单性。     

网络随机接入ON-OFF重尾流的准入控制研究

近年来的许多研究表明,随着网络带宽的增大,业务量不断增多,网络中的数据流呈现出自卡相似性,具有很强的长相关特点,这就使得传统的基于短相关的Markov流量分析方法不再适用,该文对渐进自相似流进行了分析,在分析了系统输入固定数据量叠加的ON-OFF重尾间隔流排队模型基础之上,提出了随机接入重尾数据流的准入控制算法,并进行了仿真分析。     

自相似排队系统的蒙特卡罗仿真研究

自相似性是网络通信量的普遍性质并且对网络性能有很大的影响。论文利用蒙特卡罗方法研究了自相似排队系统的性能问题。研究表明长程相关和短程相关对于排队系统性能具有非常不同的影响,尤其是在缓存较大的情况下。同时,还发现通信量中长程相关发生作用的尺度与通信量以及排队系统本身的参数都有关,这对于实际的网络设计具有较强的参考意义。     

Effects of the transmission control protocol congestion-control mechanism on the self-similarity of network traffic

A number of studies on traffic measurement from a variety of working networks have demonstrated that actual network traffic is self-similar in nature (traffic observed at different time resolutions has similar statistical properties, and this phenomenon cannot be modeled well by traditional traffic models such as Poisson and Markovian processes). The causes of self-similarity of network traffic must be identified because understanding the nature of network traffic is critical to properly design and implement computer networks and network services. In this paper, the effects of the transmission control protocol congestion-control mechanism on traffic self-similarity are investigated. This text was submitted by the author in English.     

基于小波域混合高斯模型的自相似流量合成算法

自相似流量特性对网络性能具有重要影响，流量建模与合成是网络性能评价的基本环节．提出了一种基于小波域混合高斯模型的自相似流量建模与合成方法：小波变换的近似Karhunen—Loeve（K-L）变换特性可以有效去除流量过程的长程相关，而混合高斯模型准确地描述了小波系数的非高斯分布．对合成流量进行了统计分析以及排队性能仿真．实验表明该方法能够更准确地对通信流量进行建模和合成，并且具有运算量小（O（N））、流量生成快速等优点．     

基于分数次布朗运动的无线数据业务分析

该文首次提出了用分数次布朗运动来分析无线通信业务中的数据业务,分数次布朗运动具有自相似性、重尾性和长期相关性,因此能够完整地分析无线通信业务的特性并仿真出相应的业务图,从业务量到具体的会话层、网页层、对象层进行分析,并与相应的有线网络进行比较,得出无线环境下的网络特性。     

基于双时间尺度QoS分层的拥塞控制算法

该文针对网络流量的自相似特性提出了一种基于双时间尺度QoS分层的拥塞控制算法,该算法以丢包率作为标准对网络服务质量（Qos）进行分层,质量越高的层次对应越低的丢包率,在小时间尺度上,根据网络传输时延及丢包率等信息,由接收端完成速率的计算工作,并反馈给发送端,发送端根据此速率选择一定层次质量的数据发送;在大时间尺度上,通过预测未来流量水平的变化趋势,控制相邻服务质量层次之间变换的难易程度,以减少发送速率在相邻质量层次间来回振荡。实验表明,与TFRC算法相比,该算法能够有效降低业务流的丢失率,为系统提供更好且更稳定的服务质量。     

基于FAR模型的网络通信量自适应预测

本文分析了网络通信量中存在的自相似现象，并讨论了自相似通信量的预测及其对于网络性能分析的重要意义，提出了一种考虑了网络通信量自相似性的自适应预测方法，该预测方法在利用通信量自相似性的同时也考虑了通信量的短程相关特性，能够对实际通信量进行良好的预测。最后用实验仿真验证了这种方法在通信量预测中的有效性。     

自相似业务下拥塞避免机制的实现

传统拥塞避免机制所采用的随机早期检测（Random Early Detection,RED）算法是建立在网络流量按Poisson分布的基础上,因此不适应具有自相似业务流量特征的Internet网。针对自相似业务流量特点,对RED算法进行了改进,提出了一种基于时间间隔的随机早期检测（Based Interval Random Early Detection,BIRED）算法。BIRED算法能够在自相似业务流量特征下,通过控制平均队列长度,避免网络进入拥塞状态。通过仿真比较了BIRED和RED的动态性能,显示了BIRED具有更好的鲁棒性,证明了BIRED比RED、DropTail更能适应自相似业务流量,减小系统负担,有效稳定平均队列长度,改善系统的暂态特性。