计算机网络管理中的网络监管探讨

随着计算机的普及以及计算机技术和通讯技术的发展,计算机网络和通信技术的迅猛发展,以及网络技术在部队的广泛应用,计算机网络已成为当今信息时代的支柱。随着业务拓展以及与社会宣传需要,政府单位在网络方面的应用越来越重要,网络管理也凸显其重要地位。随着网络应用的逐步普及和深入,网络管理工作也变得越来越复杂,网管管理中的监管问题也越来越重要。     

试论高流量校园网络管理策略的研究与实现

随着因特网的发展,各种网络应用不断增加,校园网络中流量也不断增大,因此校园网络不能再跟以前一样任由使用,我们需要建立一套新型的网络管理策略,才能使现有网络更快更好地为使用者和教学服务。     

ICE在网络管理中的应用研究

随着计算机网络的快速发展,超大规模异构网络的管理成为网络应用的一个瓶颈。文中介绍了最新的中间件技术———ICE,包括ICE的特点和性能。探讨了应用ICE技术集成SNMP,CMIP等现在流行网络管理系统的方案,并分析了其特点。文中还研究了采用ICE对网络QoS的实施和管理模型,并得出了ICE服务将是未来网络管理发展的趋势。ICE中间件技术是非常适合网络管理的。     

县级电力企业计算机网络发展浅析

随着信息产业迅猛发展,网络应用已经涉及到了作为国民经济动力支撑的电力系统的各个方面,但是电力企业的网络是随着企业发展而发展的,这中间是不均衡的。本文主要分析电力行业的基层单位-县级供电企业计算机网络的基础设施,组织结构,网络管理以及网络安全的发展     

ICE在网络管理中的应用研究

随着计算机网络的快速发展，超大规模异构网络的管理成为网络应用的一个瓶颈。文中介绍了最新的中间件技术——ICE，包括ICE的特点和性能。探讨了应用ICE技术集成SNMP，CMIP等现在流行网络管理系统的方案，并分析了其特点。文中还研究了采用ICE对网络QoS的实施和管理模型，并得出了ICE服务将是未来网络管理发展的趋势。ICE中间件技术是非常适合网络管理的。     

CORBA在网络管理中的应用研究

随着计算机网络的快速发展，超大规模异构网络的管理成为网络应用的一个瓶颈。探讨了应用CORBA技术集成SN—MP、CMIP等流行网络管理系统的方案，并分析了其特点。本文还研究了采用CORBA对网络Qos的实施和管理模型，得出了利用CORBA服务将是未来网络管理发展的趋势。     

利用CAMS和GUEST VLAN技术实现校园网络用户管理

随着校园网络应用的扩大,各种基于网络的应用系统广泛地应用于校园的教学、科研和管理中,由此引发了不同的用户管理策略,我们需要一种安全、实用的网络用户管理手段来加强网络管理,完善网络用户服务.在实践中我们借助华为的CAMS技术以及GUEST VLAN技术就可以很好的实现我们网络管理的需求.     

网络管理中的主动网络技术探讨

主动网络因占用较少的网络资源、动态配置、支持网络管理协议的动态升级等优点,成为当前网络管理研究热点。介绍了传统的集中式网络管理的弊端以及主动网络应用在网络管理中的优势,从三个方面介绍了主动网络理论的内容。     

论网络管理平台的选择

适中的网络管理是良好的网络运行的前提,工程化实现网络管理系统必须构建在一定的网络管理平台之上,要设计适于被管网络的管理系统,首先必须了解和掌握网络管理平台及软件。各代网络管理系统分别适应不同的网络规模和网络应用,选择适当的网络管理系统是网络提供高质量服务,从而获得高效率网络运行的基础。     

向网络管理要效率

随着当今信息技术的飞速发展,网络技术也在经历着前所未有的快速演变。网络新技术层出不穷,足以让人眼花缭乱。面对着众多的企业网络应用和网络新技术,怎样才能让它们发挥最大的作用起到最佳的效果呢?网络管理就是解决这一问题的课题。     

主动网络拥塞控制研究与实现

随着Internet的迅速发展,网络流量急剧增长,网络的拥塞问题日益突出,阐述了拥塞产生的原因,介绍了主动网络的思想和体系结构,着重探讨了主动网络在拥塞控制和网络管理等方面的应用,描述了主动拥塞控制系统中主动节点的内部结构,提出了主动拥塞控制系统的一种实现.实验结果显示,实行主动拥塞控制的网络比实行传统拥塞控制的网络在性能上有了一定程度的提高.     

基于DPI的流量识别系统的研究

随着网络应用的多样化,各种网络流量不断复杂化、多样化,各种网络安全事故频发.网络流量的分布不均匀以及网络安全状况的复杂使得互联网急需管理和维护,网络流量的监控问题变得尤为重要.流量识别作为一种能够自动、实时保障网络监控的技术,成为防火墙一类静态安全设备的必要补充,越来越受到人们的重视.深度包监测（DPI）技术以其识别的准确性成为应用越来越广泛的识别技术.然而单纯的软件实现系统监测速度较慢,不能满足网络高速数据包处理的吞吐量要求.单纯的硬件识别知识库会占用大量内存,一般的硬件内存达不到要求.单纯的软件识别效率又不能满足越来越大的网络吞吐量需求.这种情况下,文章研究了一种基于正则表达式的软硬件结合系统实现方法,该方法的主要思想是硬件识别网络常见协议,软件识别复杂的网络协议,且两者都支持正则表达式.这种方法兼具软件与硬件实现的优点,与传统的软件实现相比,在识别效率方面有明显提高.     

A study on the monitoring model development for quality measurement of internet traffic

The recent trend of integration among new network services such as the long-term evolution (LTE) based on internet protocol (IP) needs reputable analyses and prediction information on the internet traffic. The IP along with increased internet traffics due to expanding new service platforms such as smartphones will reflect policies such as network QoS according to new services. The establishment of monitoring methods and analysis plans is thus required for the development of internet traffics that will analyze their status and predict their future. The paper with the speed of Internet traffic model is developed for monitoring the state of the experiment and verified. The problem is that the proposed service Internet service provider (ISP) to resolve the conflict between the occurrences can be considerably Internet traffic and that the state of data may be helpful in understanding. The paper advancement policy to reflect the network traffic volume of Internet services and users irradiation with increased traffic due to the development and management of the analysis was carried out experimental measurements.     

网络流量分析及控制策略

有效的流量控制不仅是网络稳定、高效运行的基础,同时又是各种QoS服务模型和技术的基础和前提。以P2P为代表的网络应用已经给互联网带来了前所未有的冲击,而这些问题产生的内在原因在于当前的网络流量管理缺乏识别控制能力。因此,有必要在网络流量管理中引入流量应用识别控制技术。本文通过Cross流量控制系统对我所的网络现状进行了分析,然后制定网络流量控制策略对我所进行了相应的调控,用以保证关键业务的正常运行。     

人工智能在空管中应用的研究进展

在民航飞速发展的同时,空中交通也变得更加复杂、快速、多变,与之相关的种种问题也逐渐显现。同时,作为近几年取得重大突破的计算机辅助技术,人工智能技术已经广泛地应用于多个领域。人工智能技术与传统的空管相结合,更有利于构建一个更加安全、有序、高效的智能化空中交通管理系统。本文主要从国内外空管发展现状、空管系统对人工智能技术的需求以及人工智能在空管系统的应用几个方面进行综述和分析,最后对人工智能技术在空中交通管理中应用所面临的挑战进行了分析和展望。     

基于贝叶斯信念网的网络流量分类与识别研究

网络流量分类识别技术是许多网络研究和应用领域的基础,但随着动态端口、端口伪装和信息加密等技术的使用,传统的纯端口识别法已不再有效。提出一种基于贝叶斯信念网的网络流量分类方法,通过使用有向无环图和结点概率表,很好地解决了流属性之间条件独立的问题。对真实网络流量数据的测试结果表明,这种方法具有稳定可靠的分类识别效果。     

Designing an Internet Traffic Predictive Model by Applying a Signal Processing Method

Detection of abnormal internet traffic has become a significant area of research in network security. Due to its importance, many predictive models are designed by utilizing machine learning algorithms. The models are well designed to show high performances in detecting abnormal internet traffic behaviors. However, they may not guarantee reliable detection performances for new incoming abnormal internet traffic because they are designed using raw features from imbalanced internet traffic data. Since internet traffic is non-stationary time-series data, it is difficult to identify abnormal internet traffic with the raw features. In this study, we propose a new approach to detecting abnormal internet traffic. Our approach begins with extracting hidden, but important, features by utilizing discrete wavelet transformation. Then, statistical analysis is performed to filter out irrelevant and less important features. Only statistically significant features are used to design a reliable predictive model with logistic regression. A comparative analysis is conducted to determine the importance of our approach by measuring accuracy, sensitivity, and the Area Under the receiver operating characteristic Curve. From the analysis, we found that our model detects abnormal internet traffic successfully with high accuracy.     

利用JDBC实现基于Internet的网上答疑系统

介绍了一个利用ＪＤＢＣ实现的基于“客户机－Ｗｅｂ服务器－数据库服务器”三层体系结构的因特网上答疑系统。系统的功能设计方便,有效,在实现上选用了新兴网络编程语言ＪＡＶＡ及其数据库连接技术ＪＤＢＣ,使系统可在不同的软硬件平台上顺畅运行;管理和使用也非常方便灵活,只需因特网上的通用浏览器软件即可,具有一定的推广价值。     

Bayesian Neural Networks for Internet Traffic Classification

Internet traffic identification is an important tool for network management. It allows operators to better predict future traffic matrices and demands, security personnel to detect anomalous behavior, and researchers to develop more realistic traffic models. We present here a traffic classifier that can achieve a high accuracy across a range of application types without any source or destination host-address or port information. We use supervised machine learning based on a Bayesian trained neural network. Though our technique uses training data with categories derived from packet content, training and testing were done using features derived from packet streams consisting of one or more packet headers. By providing classification without access to the contents of packets, our technique offers wider application than methods that require full packet/payloads for classification. This is a powerful advantage, using samples of classified traffic to permit the categorization of traffic based only upon commonly available information     

大规模高速网络流量测量研究

随着互联网的发展,理解网络行为对于网络管理、规划和发展都有重要意义,网络流量测量是研究网络行为的基础。根据网络测量流量的不同,测量方法分为主动测量和被动测量,每种测量方法有其应用背景和优缺点。为了从不同角度研究网络行为需要定义不同的测度,IETF的IPPM工作组现已经定义了一整套用于流量行为测量的测度。根据测量的环境和应用背景的区别,国外不同的研究机构建立了不同的测量体系结构和测量工具。同时,由于网络带宽越来越大,全流量测量和分析研究越来越困难,为了解决这一问题,近几年,流量抽样测量研究现已成为高速网络流量测量的研究重点。