软件定义网络架构下基于流调度代价的数据中心网络拥塞控制路由算法

针对传统数据中心网络极易发生拥塞的问题,提出了在软件定义网络（SDN）的架构下设计基于流调度代价的拥塞控制路由算法加以解决。首先,进行拥塞链路上的大小流区分,并对所有大流的各条等价路径进行路径开销权重的计算,选择权重最小的路径作为可用调度路径;然后,使用调度后路径开销变化量和流占用带宽比例来共同定义流调度代价;最终选择调度代价最小的流进行调度。仿真结果表明,所提算法能在网络发生拥塞时降低了拥塞链路上的负荷,并且与仅进行流路径选择的拥塞控制算法相比,提高了链路利用率,减少了流传输时间,使得网络链路资源得到更好的利用。     

基于关系型数据库的网络流数据预处理方法

网络设备分类的前提是要对流量数据进行正确的预处理.现有预处理方法大多利用编程语言开发出小型工具类软件,应用范围较窄不具有推广性,无法满足一些特定的处理需求且源码不公开.对此,提出一种通用性的网络流量数据集构造方法,可以快速完成特征提取.并提出一种特征提取库的模块化方法,能够不断完善统计特征.通过在公开的pcap数据集上...     

基于主动网络的拥塞控制策略

本文讨论了拥塞发生的原因,建立主动网络拥塞控制的模型,提出一种基于主动网络的拥塞控制策略。通过模型分析,本文所提出的主动网络拥塞控制策略能够较快的对拥塞做出反应,及时调整发送速率,达到缓解拥塞状况的目的。     

一种基于Inf-ProA框架的能力满足度计算方法

能力满足度是衡量系统建设意义和作用的重要指标,基于体系结构框架进行能力满足度分析,能够实现在系统设计阶段对能力满足程度的分析判断,避免早期分析不足导致后期建设成本的增加。本文提出一种基于信息主导的体系结构（Inf-ProA）框架的能力满足度计算方法。该方法首先构建一种面向能力的核心体系结构要素追踪关系元模型,然后设计核心体系结构要素的权重计算方法以及满足度计算方法,并基于核心要素的权重、满足度值以及追踪关系链提出一种能力满足度计算方法。最后,对该方法使用应用案例进行了实验验证,实验结果表明该方法能够有效地对能力满足度进行分析。     

基于差分服务的贪婪流问题解决算法

贪婪流问题是网络拥塞控制范畴的问题，泛指不遵从标准TCP拥塞控制机制的流。贪婪流给网络带来不公平性。提出了一种新的甄别算法，通过对目标流发送窗口随分组丢弃变化关系的分析，对不合规范的流进行检测。算法采用定长列表结构，具有实现简单、扩展性强的特点，提出了一种基于差分服务模式的体系结构，对传统Internet服务哲学进行了扩展，从根本上支持新型流式应用，实现了端到端的流量监管功能。     

基于散度的网络流概念漂移分类方法

网络流量特征分布的动态变化产生概念漂移问题,造成基于机器学习的网络流量分类模型精度下降.定期更新分类模型耗时且无法保证分类模型的泛化能力.基于此,提出一种基于散度的网络流概念漂移分类方法(ensemble classification based on divergence detection, ECDD),采用双层窗口机制,从信息熵的角度出发,根据流量特征分布的JS散度,记为JSD(Jensen-Shannon divergence)来度量滑动窗口内数据分布的差异,从而检测概念漂移.借鉴增量集成学习的思想,检测到漂移时对于新样本重新训练出新的分类器,之后通过分类器权值排序,保留性能较高的分类器,加权集成分类结果对样本进行分类.抓取常见的网络应用流量,根据应用特征分布的不同构建概念漂移数据集,将该方法与常见的概念漂移检测方法进行实验对比,实验结果表明：该方法可以有效地检测概念漂移和更新分类器,表现出较好的分类性能.     

基于改进IPD质心的Tor网络流水印检测方法

Tor是一种为隐藏流量源提供服务的匿名网络机制,但其存在入口流量特征明显、易被识别的问题。obfs4等网桥协议为解决此问题应运而生,由此带来的新挑战尚未攻克,因此,提出一种IPD质心方案,利用k-means的聚类特性将原方案进行改进,使加入的流水印在obfs4网桥3种模式上均能被高效地检测出。实验结果表明,改进后的算法有更高的检测率和识别率,且应对不同的网络环境有较强的适应能力,有利于良好安全网络环境的构建。     

基于主动网络技术的存储网络关键技术探讨

主动网络较传统网络相比,具有灵活性高、编程能力强等特点,可以解决在传统网络结构下无法妥善解决的相关难题,受到了广泛的研究。同时,网络存储系统也因其带宽大、容量高、可靠性高等特点而获得了迅速地发展。本文在对主动网络技术进行简单介绍的基础上,着重探讨了主动网络技术在存储网络的冗余磁盘阵列和存储拥塞控制两大关键技术中的应用。     

基于主动网络的拥塞控制策略的研究

随着社会经济的迅速发展和互联网的出现,网络在不断发展的过程中面临着很多挑战,网络结构的复杂性决定在其在发展的过程中会遇到很多的问题,而主动网络的提出对于解决网络结构的复杂性有着良好的效果尤其在拥塞控制方面的应用更是使网络很多方面的性能得到了提高。本文所要研究的主旨就是对基于主动网络的拥塞控制策略进行系统的研究,以此找出主动网络在拥塞控制上的优越性。     

一种基于移动代理的主动网络拥塞控制机制

利用基于移动代理主动网络的特点，提出了一种基于移动代理主动网络的拥塞控制机制MACC，使被拥塞的路由器可以向网络端点发送拥塞发生的状态，这样就减少了系统对拥塞反应的时间，提高了工作效率。同时保留了原有的拥塞控制方法，保证了可靠性。     

基于流特征的数据中心非对称流负载均衡方法

数据中心边界广泛部署的地址转换技术产生的非对称流为负载均衡系统的设计带来了挑战.为了解决软件负载均衡系统不能充分发挥多核处理器和网卡硬件能力的问题,提出一种基于流特征的非对称流负载均衡方法.首先,分析网卡的数据包散列机制,提出数据包调度算法,将数据包调度至预期的CPU核;然后,基于会话报文序列的时间与空间特征,构建大象流识别算法;最后,基于识别结果,提出负载均衡方法.实验结果表明,非对称流负载均衡方法可以正确处理非对称流的负载均衡,平均吞吐率提升约14.5%.     

基于控制流与数据流分离机制的网络服务方法

随着网络应用越来越广泛的出现,不断提高网络服务器性能是学术界长期努力的目标。避免数据重复拷贝是提高服务器性能的有效手段。通过对网络服务器数据流和控制流的分析,发现数据流与控制流捆绑是造成数据重复拷贝的重要原因,并且发现传统的操作系统系统调用设计是造成控制流与数据流捆绑的主要原因。本文提出了采用控制流与数据流相分离的机制,设计新的操作系统服务来解决数据重复拷贝问题,提高网络服务器性能。     

基于数据流特征的网络拥塞控制与异常检测研究

本文对互联网络的拥塞及其控制问题进行了深入探讨分析。首先分析了造成网络拥塞现象的深层次原因及恶意数据流对拥塞的影响,进而阐述了基于数据流的网络异常检测对控制网络拥塞的作用,并给出了进行网络异常检测的三个基本步骤。     

基于流量调度的SDN数据中心网络拥塞控制算法

针对采用软件定义网络(SDN)的数据中心网络拥塞的问题,提出一种基于流量调度的数据中心网络拥塞控制算法。当链路发生拥塞时,该算法首先判别拥塞链路中 链路上关键度最大的大流,然后对大流进行重路由计算,选择调度开销最小的流,并进行调度代价计算,最后对调度代价最小的流进行调度。实验结果表明,所提算法能够有效缓解网络拥塞,降低丢包率,提高链路利用率,使得网络性能更为稳定。     

一种避免拥塞的片上网络通信协议

为了平衡通信协议的自适应性和性能,提出一种避免拥塞的片上网络通信协议.该通信协议采用区分服务和自适应路由算法,区分服务提供不同等级数据流的质量保证型服务,自适应路由算法是一种避免拥塞的无死锁路由算法.通过OPNETM odeler建模仿真,结果表明该协议极大地改善了网络的平均链路利用率和端到端延迟.     

基于BPEL的Web Service组合的数据流分析测试方法

随着Web Service组合变得越来越复杂,通过测试来保证服务质量和可靠性也变得越来越重要.将传统数据流分析方法扩展用于Web Service组合测试,提出了一种基于BPEL的Web Service组合的数据流分析测试方法.该方法基于一个测试模型:Web Service组合测试模型WSCTM,该测试模型可以捕获Web Service组合的数据流接口.采用基于服务的模型WSCTM,数据流可以从3个视点来分析:服务间、服务内和服务实现构件间.从而,Web Service组合的数据流测试可以在三层上得到实现.基于以上方法,可得到Web Service组合的定义-使用链,最终可产生满足既定测试标准以获得需求Web服务组合质量要求的测试路径.     

基于生成对抗网络的数据增强方法

深度学习在分类任务上取得了革命性的突破,但是需要大量的有标签数据作为支撑.当数据匮乏的时候,神经网络极易出现过拟合的问题,这种现象在小规模数据集上尤为明显.针对这一难题,本文提出了一种基于生成对抗网络的数据增强方法,并将其应用于解决由于数据匮乏,神经网络难以训练的问题.实验结果表明,合成的数据和真实的数据相比既具有语义上的相似性,同时又能呈现出文本上的多样性;加入合成的数据后,神经网络能够更加稳定地训练,而且分类的准确度也有了进一步的提高.将提出的算法和其他一些数据增强的技术对比,我们的方法结果最好,从而证明了这种技术的可行性和有效性.     

微分方法在路由优化中的应用研究

通过引入势函数，使用微分方法设计了一个流量路由优化算法．讨论了如何设计势函数和调节虚拟链路利用率来加快算法收敛的速度，降低可能引入的误差．在初始可行解的计算上，给出了一个能够适应苛刻带宽和流量矩阵的更加有效的方法．试验结果表明，该算法同其他方法相比，能够在更短的时间内取得更好的优化结果，可以有效的应用于网络的优化设计．     

基于用户满意度的学习服务发现算法

针对用户对e-Learning服务发现系统提供的服务不满意或者满意程度不稳定的问题,引入了用户满意度因子,设计了一个学习服务发现算法--eLSDAUS.该算法允许用户参与服务发现的过程,对服务发现的效果进行评价,学习服务发现系统把用户的评价反馈到学习服务发现算法,利用修正函数修正更新发布服务各属性的匹配度权值,优化反馈给用户的综合匹配度的计算,实验表明,在发布的学习服务数量超过1万时,该算法能够提高服务发现的查准率3%,而且随着发布服务数量的增多,效果会更好,经过127天的学习,用户对服务发现结果的总体满意比率可超过93%.     

基于神经网络技术的流量测量方法研究

流体的流量直接反应设备的运行状况,在现代化的工业生产中,连续准确地监视流体的流量对于设备的安全、经济运行至关重要。鉴于流量测量的复杂性,将神经网络数据融合技术应用于流量测量,研究提高流量测量精度的方法。在此研究基础上,针对差压式流量测量的特点,设计出了基于神经网络数据融合技术的流量测量模型。