分形滤波的网络流量预测

提出了一种结合分形滤波与线性神经网络进行网络流量预测的新方法。通过分形滤波增强网络流量中的长相关结构,使序列更加平滑,根据相空间重构理论利用线性神经网络进行预测操作,并用实际网络流量验证该模型的有效性。     

网络通信流的Gamma分布多重分形模型

网络通信流具有的多重分形特性,使得对其建模成为一个极具挑战性的问题。以普通的多重分形小波模型为基础,提出一种基于Gamma分布的多重分形小波模型。该模型充分考虑最“粗”尺度系数概率分布特性,运用Gamma分布拟合最“粗”尺度的尺度系数,对于乘子Aj,k采用[－1,1]区间的对称Beta分布建模。通过仿真和数学分析的方法,分别从数据的概率分布特性、自相似特性以及多重分形特性等方面证实了该模型的优越性能。     

基于网络流量特性的分析模型研究

网络流量模型能简洁、准确和全面地刻画出真实流量数据中对网络性能有显著影响的主要因素。随着对流量特性的逐步认识，流量分析模型也在不断完善。文章根据网络流量特性的研究进展，介绍了基于不同特性的流量分析模型的理论依据，并分析了它们的适用范围、存在的问题和应用前景，同时展望了流量分析模型的未来研究方向。     

基于流的网络流量特征分析

网络流量特征分析是提高网络性能的基础．其自相似特征是一个普遍存在的现象．通过对主干链路上的流量进行基于流的流量特征的分析，结果表明流间隔时间序列在小时间尺度上的自相似程度较弱，而大时间尺度上的自相似程度较强．进一步的分析表明，流的大小以及ICMP流对流的自相似特征有显著的影响，特别是流大小为1个包的流对其影响更大．     

多重分形网络流量判别方法和产生方法

通过对网络流量多重分形特性的研究,提出了粗粒化、Hōlder指数、奇异谱3种判别分形网络流量的方法,和RMD叠加、基于树型2种人工多重分形序列的产生方法.采用真实网络流量数据对所提出的3种判别方法进行检验,结果表明3种判别方法均可有效的判别网络流量的单重分形和多重分形特性.然后用该方法检验2种人工序列,检验结果人工序列均具有多重分形的特性,可以拟合真实网络流量.     

分形理论在网络流量分析中的应用综述

从自相似(单分形)和多重分形两个方面讨论了网络流量的相关分析内容,并对长相关、尺度行为等重要概念进行了说明,目的在于对流量分析中的分形理论作整体介绍。     

基于网络流量特性的分析模型研究

网络流量模型能简洁、准确和全面地刻画出真实流量数据中对网络性能有显著影响的主要因素.随着对流量特性的逐步认识,流量分析模型也在不断完善.文章根据网络流量特性的研究进展,介绍了基于不同特性的流量分析模型的理论依据,并分析了它们的适用范围、存在的问题和应用前景,同时展望了流量分析模型的未来研究方向.     

基于稳态过程的多重分形Web日志仿真生成算法

运行在服务器集群的软件系统需要Web日志的大规模数据集以满足性能测试的需求,但现有仿真生成算法因模型单一而无法满足要求。针对此问题,提出一种基于alpha稳态过程的多分形Web日志的仿真生成算法。首先,在长相关尺度（LRD）下采用alpha稳态过程来描述Web日志的自相似性;其次,在短相关尺度（RSD）下采用二项式b模型描述Web日志的多重分形性;最后,将长相关模型和短相关模型融合于改进的ON/OFF框架中。与单一的模型相比,新算法的参数物理意义明确,具有良好的自相似性和多分形性。实验结果表明,该算法能够较准确地模拟真实Web日志,可以有效地应用于Web日志大规模数据集的仿真生成。     

基于Z-ordering的多重分形维数及多重分形谱算法

分形维数的高效求解是分形理论应用与实践的关键问题,传统分形维数计算方法由于时空复杂性高已成为当前分形技术应用的一个主要瓶颈。借鉴Z-ordering索引技术的思想,设计并实现了一种改进的多重分形维数计算方法ZBMFD（Z-ordering Based Multifractal dimension Algorithm）,该方法扫描数据集一遍建立底层网格结构,通过动态修改网格坐标编码递推实现低层网格到高层网格之间的动态映射并计算数据集的分形维数。在实际数据集的实验表明算法在保持O（N×logN）时间复杂性的基础上,降低了分形维数算法的空间复杂性,且计算结果精度与已有算法相当,拓广了分形技术在当前高维、海量数据处理等领域的应用。     

海杂波的多重分形特性分析

通过对实测海杂波数据进行多重分形测度分析,判定海杂波信号具有多重分形特性。本文进一步提取表征海杂波复杂特性的多重分形参数,研究了不同条件下海杂波多重分形特性的变化特点,探讨了基于多重分形特性的雷达目标检测方法的可行性,并给出了实验结果。本文的研究为基于多重分形特性的海杂波建模与仿真、雷达目标检测提供了依据。     

网络流量异常检测及分析的研究

网络流量异常检测及分析是网络异常监视及响应应用的基础,是网络及安全管理领域的重要研究内容.本文探讨了网络流量数据类型、网络流量异常种类;从流量异常检测的范围、流量异常分析的深度、在线和离线异常检测方式等方面归纳了流量异常检测的研究内容;综述了已有的研究工作针对不同应用环境和研究内容所采用的不同的研究方法和技术手段,并分析了各种研究方法的特点、局限性和适用场合等;最后本文还对现有研究工作存在的问题及有待于进一步研究的课题进行了探讨.     

基于多重分形的VBR视频流量多步预测方法

视频流量的实时预测是进行网络资源优化和端到端QoS策略设计的重要前提.然而,目前基于短相关(SRD)的预测模型并不能对非平稳且具有长相关(LRD)和分形特性的视频流量进行有效的预测.分析发现,通过多重分形尺度间系数的相关性,可以把难以直接预测的LRD流量序列转化为可以用SRD模型预测的短相关序列组.基于多重分形的预测算法合理地利用了原始序列的LRD信息,具有很好的多步预测性能.     

低通平滑滤波对网络流量自相似性质的影响

从Hurst参数的小波估计方法出发,介绍了平滑滤波后的网络基础(低频)流量和原始流量在自相似性质的上表现规律,探讨了低通平滑滤波对流量自相似性质的影响。     

面向海量数据的网络流量混沌预测模型

针对网络流量的混沌特性以及海量特性,为弥补网络流量预测模型存在的不足,以获得更优的网络流量预测结果,提出了面向海量数据的网络流量混沌预测模型.该模型首先采用小波分析对原始网络流量时间序列进行多尺度处理,得到不同特征的网络流量分量,然后对网络流量分量的混沌特性进行分析,分别进行重构,并采用机器学习算法中的极限学习机进行建...     

网络流量预测模型仿真分析与研究

网络流量的高效准确低冗余度预测,是保证网络安全的关键.网络流量的非线性影响,在突变性较强的网络流量预测中,为了应对突变性,需要大量的先验知识作为预测模型的支撑,导致出现了大量的非正常冗余数据,造成传统的的模型训练样本数量大以及结构复杂,模型不够稳定,导致预测冗余度高,效率低下.提出一种采用支持向量机模型的主成分分析的零冗余度PCA-SVM预测系统,在SVM模型的基础上,采用PCA分析方法对输入系统的一些冗余信息进行清除过滤,提高输入信息数据的贡献率,减少总体的样本训练集数量,降低SVM模型的信息维数,对网络流量的6个因子进行了系统模型构建原始驱动数据,对6个预测因子进行PCA处理,驱动因子之间具有显著的相关关系,完整去除了非相关冗余度.采用SVM-PCA模型进行数学建模,对后来10个月的网络流量进行预测.实验结果表明,改进算法比传统算法,预测偏差降低0.069,预测准确率可以提高17％以上,优化效果明显.     

基于数据中心流量特征的端到端流量估计算法

数据中心是云计算等大型分布式计算服务的基础,有效地设计与管理数据中心需要遵循数据中心网络的端到端流量特征。然而直接地测量网络的端到端流量需要耗费巨大的软件成本和硬件成本,并且由于数据中心网络结构的特殊性,传统的计算机网络采用的流量估计方法也无法适用于现有的数据中心网络。为解决以上问题,首先依据数据中心的资源分配和链路利用率情况提取出网络的粗粒度流量特征,在此基础上提出一种基于重力模型和网络层析技术的数据中心端到端流量估计算法。与现有的流量推理算法Tomogravity和ELIA在NS3搭建的不同规模的数据中心网络中进行性能对比,实验结果表明,所提算法能有效地利用提取出的粗粒度流量特征,在保证计算效率的前提下将计算准确度大幅提升,可满足当前数据中心网络实时获取端到端流量数据的需求。     

网络流量分析多机负载均衡系统设计

本文在调查了负载均衡集群系统相关背景知识和关键技术后,确定了网络流量分析中的多机负载均衡系统的功能需求,设计了网络流量分析多机负载均衡系统[1]。     

网络流量监测技术

网络流量监测技术对网络流量行为描述、网络规划、设计和管理提供基本依据,对网络运行的QoS保证和网络安全也产生很大影响。基于路由的网络流量监测技术（RMON、Net Flow、SFlow）以及基于非路由的网络流量监测技术（主动测量和被动测量）,分析对比各种监测技术的性能,在此基础上探讨当前两种最新的组合网络流量监测技术：SCNM与WREN。     

军事电子网络对抗中网络流量异常识别

由于军事电子网络对抗中的流量具有海量、高速的特征,且异常流量具有较强的特征隐蔽性,因此,采用传统算法进行异常流量识别往往均有耗时大、有效识别率低的缺陷.为此,提出基于主分量分析与多时间序列数据挖掘算法相结合的军事电子网络对抗中网络流量异常识别方法.针对各维熵值时间序列之间具有关联性的特点,利用支持向量机算法进行多维流量数据分类,为异常流量的识别提供数据支持,依据主分量分析法对维数进行缩减,对信息熵值异常子空间与正常子空间进行有效分离,实现军事电子网络对抗中网络异常流量的有效识别.实验结果表明,采用改进算法进行军事电子网络对抗中网络流量异常识别,能够有效提高异常流量识别率及识别准确性,有效的保障了军事电子网络的安全性,具有显著的优越性.     

基于自适应滤波理论的网络流量线性预测

Internet网络流量的分析、模型仿真以及流量的预测,在网络管理和设计中起着很重要的作用。该文在此方面做了一些工作和尝试,主要有两方面的贡献：（1）在分析和比较了不同模型性能的基础上,提出了CERNET IP backbone的流量模型;（2）将自适应滤波的新思想引入网络流量的模型仿真和预测,提出了自适应网络流量线性预测的新算法。