基于网络流量自相似性的蠕虫攻击检测方法研究

网络蠕虫攻击是一种危害巨大且难以防御的网络攻击方式。传统的基于特征匹配的蠕虫检测方法受限于对蠕虫特征值的提取,无法检测未知类型蠕虫的攻击。在此将表征网络流量自相性的Hurst参数应用到蠕虫攻击检测,通过对Hurst参数的变化来检测未知类型蠕虫的攻击。实验表明该方法能有效检测到网络中采用主动扫描方式传播的未知类型蠕虫攻击行为。     

无线Mesh网络流量自相似性研究

近年来,无线Mesh网络已成为一个倍受关注的研究领域.对无线Mesh网络流量特性的研究将有助于网络协议的研究、评估,以及网络结构的规划和建设.本文通过对无线Mesh测试网上采集的数据包进行统计分析,揭示了网络流量具有自相似的特性.同时,解释了无线Mesh网络流量自相似性是由网络中具有重尾分布特性的多个流叠加形成的,并通过仿真进一步分析了节点移动性对流量自相似性的影响.     

排队系统中一种具有自相似性的增量模型

以一个具有自相似通信量的模型作为输入,分析了有限长排队系统队长特性,提出了一个增量自相似模型,并求出了该模型的H参数以及一阶、二阶统计量,从而为计算输入模型中的H参数和设计缓存大小提供了一种新的方法。     

自相似网络流量建模及分析

利用RMD方法生成了自相似分形FGN流量,并分别利用R/S分析法、时间方差分析法和小波功率谱密度分析法估计自相似流量的Hurst参数.然后,利用OPNET仿真软件对传统的排队模型M/M/1和自相似下的排队模型的平均排队延时和平均队列长度进行了网络仿真,从而得出自相似对排队性能的影响.     

基于改进自回归差分移动平均模型的网络流量预测

为了缓解通信网络的拥塞问题,减少用户请求服务的等待时间,提高网络的利用率,网络运营服务商需要对网络实时流量进行分析,而建立准确高效的流量分析模型能提供更加准确的数据支持.基于此,提出了改进的自回归差分移动平均模型,该方法与传统模型方法相比,引入了误差扩散因子这一新的参数,并使用改良的粒子群算法得到欲求解的参数值.通过对...     

基于EMD及ARMA的自相似网络流量预测

提出了一种基于ARMA(自回归滑动平均)模型的经验模式分解预测自相似网络流量的方法,进行了理论证明和仿真验证.结果表明,经验模式分解对长相关流量有去相关的作用,采用ARMA模型即可对自相似网络流量准确刻画,不但降低了算法的复杂度,而且预测精度高于径向基函数神经网络的预测精度.     

基于ARIMA模型的网络流量预测

:网络流量预测在网络规划、流量管理等方面起着重要的作用,是业务管理的主要研究内容之一。在分析研究网络流量实测数据的基础上,建立了网络流量预测的ARIMA模型,该模型较之传统的Poisson过程、Markov过程等随机模型,能更好地描述Internet多构性、突发连续性和自相似性等特征。在模型定阶之后,运用改进的线性建模方法推导确定了模型参数。给出了不同预测步数条件下的流量预测数据,并和流量实测值进行了对比实验。实验结果表明,该模型在预测步数较小(l<3)的情况下,预测误差在5%左右。     

基于节点自相似性方法的网络协议测试

针对无线自缎织网络中的协议一致性测试问题,提出一种新的测试算法一节点自相似性方法。利用形式他描述语言SDL对路由协议DSR路德协议进行描述,文章给出了该方法的具体涵义以及应用环境。通过举例,验证了节点自相似性方法能够从实际移动网络的模型中产生测试序列进行测试。     

基于节点行为特征分析的网络流量分类方法

针对基于加密分组数据的网络流量分类问题,该文提出两种基于行为特征的分析方法。结合流量矩阵和网络结构熵技术,定义了出入度熵指数等参数用于描述节点间的连接行为和数据传输特征,并利用多个周期和时间尺度下的熵指数分析不同流量特征。通过可视图建网方法将流量序列转化为连接网络,利用网络结构相关参数分析流量中蕴含的节点间交互行为的差异。实验表明不同业务流量矩阵的熵指数变化趋势差别较大,而流量序列对应连接网络的聚集系数等存在明显差异。两种方法对于不同业务流量具有较好的分类效果。     

基于非合作博弈的无线自组织网络流量控制模型

该文根据无线自组织网络中流量控制和无线信道的特性,利用非合作博弈理论构造了基于网络流量速率和时延为参数的流量效用函数,建立了非合作博弈的无线自组织网络流量控制模型,证明了流量控制模型的Nash均衡解存在性,给出了模型的Nash均衡解的具体形式。数值仿真结果表明该模型存在Nash均衡解,能有效对网络中流量进行控制,满足不同业务的用户流量QoS需求。     

基于网络流量的用户网络行为被害性分析模型

网络行为被害性分析对于电信网络诈骗犯罪的防控具有深远意义。通过研究用户与网站交互产生的网络流量,提出一种基于网络流量分析的电信网络诈骗犯罪用户网络行为被害性识别模型,分析不同网络行为特征之间的关联规则,重构网络行为序列特征,同时结合随机森林算法评估网络行为的被害性。在被害人网络行为数据集基础上进行实验,证明模型能够有效提升网络行为被害性识别准确率。     

A new traffic model for backbone networks and its application to performance analysis

In this paper, we present a new traffic model constructed from a random number of shifting level processes (SLP) aggregated over time, in which the lengths of the active periods of the SLP are of Pareto or truncated Pareto distribution. For both cases, the model has been proved to be asymptotically second‐order self‐similar. However, based on extensive traffic data we collected from a backbone network, we find that the active periods of the constructing SLPs can be approximated better by a truncated Pareto distribution, instead of the Pareto distribution as assumed in existing traffic model constructions. The queueing problem of a single server fed with a traffic described by the model is equivalently converted to a problem with a traffic described by Norros' model. For the tail probability of the queue length distribution, an approximate expression and upper bound have been found in terms of large deviation estimates and are mathematically more tractable than existing results. The effectiveness of the traffic model and performance results are demonstrated by our simulations and experimental studies on a backbone network. Copyright © 2007 John Wiley & Sons, Ltd.     

基于人工神经网络的交通流量预测模型的研究

介绍了人工神经网络的BP算法，建立了基于Matlab神经网络工具箱的交通流量预测模型，并以实际道路交叉口为例进行2小时40分，分时段的数据采集，利用模型进行短时流量预测。     

基于包容性检验和神经网络的网络流量预测模型

网络流量具有高度复杂的非线性特征,采用单一预测模型往往难以达到理想的预测效果,为此,提出一种包容性检验和BP神经网络相融合的网络流量预测模型（ET-BPNN）。首先采用多个单一模型对网络流量进行预测,然后通过包容性检验,根据t统计量检验选择最合适的基本模型,最后采用BP神经网络对基本模型预测结果进行组合得到最终预测结果。实验结果表明,相对于单一模型以及传统组合模型,ET-BPNN更加准确刻画了网络流量变化趋势,各项评价指标均达到更优,为实现网络流量准确预测提供了更为科学的方法。     

基于活跃熵的网络异常流量检测方法

提出了一种基于活跃熵的网络异常流量检测新方法,将受监控的目标网络视为一个整体系统,对进出系统的网络数据流所形成的NetFlow记录进行分析,分别统计二者的活跃度并计算它们的活跃熵。在进行活跃熵的计算时,根据流量大小选择不同的尺度来降低误报率,从而能更有效地检测网络流量中存在的异常。在实际网络环境下的模拟实验结果表明,与传统检测方案相比,基于活跃熵的网络异常流量检测方法能够更有效地检测出具有随机特征的网络异常流量。     

一种网络流量平稳化方法

由于网络流量的不稳定性,会影响流量模型的准确性。平稳化的目的是使得流量成为平稳或更为接近平稳,以提高流量模型的准确性。差分是一种常用的平稳化方法,它对具有线性趋势的时间序列有很好的平稳化效果。本文提出一种统计分析的方法对流量进行平稳化处理,可以在一定程度上消除流量不稳定性对流量建模的影响。     

基于混沌理论与改进回声状态网络的网络流量多步预测

网络流量预测是网络管理及网络拥塞控制的重要问题,针对该问题提出一种基于混沌理论与改进回声状态网络的网络流量预测方法。首先利用0-1混沌测试法与最大Lyapunov指数法对不同时间尺度下的网络流量样本数据进行分析,确定网络流量在不同时间尺度下都具有混沌特性。将相空间重构技术引入网络流量预测,通过C-C方法确定延迟时间,G-P算法确定嵌入维数。对网络流量时间序列进行相空间重构之后,利用一种改进的回声状态网络进行网络流量的多步预测。提出一种改进的和声搜索优化算法对回声状态网络的相关参数进行优化以提高预测精度。利用网络流量的公共数据集以及实际数据进行了仿真,结果表明,提出的预测方法具有更高的预测精度以及更小的预测误差。     

Social network users clustering based on multivariate time series of emotional behavior

It is known that the social network is an excellent source for gathering the emotions of people. There are thousands of micro-blogs posted in every second and every micro-blog that may contain a variety of user＇s emotions. The users＇ collective emotional behaviors are with great impacts on today＇s societies, so it is good to find groups for society management based on users＇ emotional behavior. This article focuses on analyzing multivariate emotional behavior of users in social network and the goal is to cluster the users from a fully new perspective-emotions. The following tasks are completed： firstly, the multivariate emotion of Chinese micro-blog with vector is analyzed, and multivariate time series to describe the user＇s emotional behavior are constructed. Seconedly, considering principal component analysis （PCA） in similarity and distance similarity, the similarity of the multivariate emotion time series is measured. The contribution could be summarized as follows： groups of users though different emotions in social network are discovered. The emotional fluctuation and intensity of users are considered as well. Experiment in clustering effectively illustrates the emotional behavior characteristics of the Users in different groups.     

基于突发分离的自相似网络流量预测

网络流量预测在网络拥塞控制及资源分配中起着至关重要的作用。对于具有自相似性的网络业务流量,由于其存在较强突发,传统预测方法的预测精度普遍较低。本文针对存在高突发的网络流量数据,提出了一种基于数据分离的流量预测方法。在预测步骤前,本方法首先通过控制图将网络流量中难以预测的突发流量进行有效的分离,从而得到突发流量和非突发流量两部分数据。之后分别采用人工神经网络和自适应模板匹配方法实现对非突发流量和突发流量的预测。最后通过对两部分预测结果的合并得到最终的预测结果。基于实际流量数据的实验结果表明:相较于传统流量预测方法,本文所提出的方法具有更高的流量预测精度。      

基于无线传感器网的智能交通信号控制设计

为了控制车辆在交叉路口顺畅通行,提出了一种基于无线传感器网的智能交通信号控制设计。利用传感器节点收集的交通信息,结合多Agent的协同方法,在不同的时段采用不同的路口控制模式,控制终端根据采集到的交通信息自适应地控制车辆通行时间,实现了交通信号灯的无线智能控制,从而提高车辆通行效率,实现交通信号控制的智能化、网络化。