基于拓扑抽象的高性能网络模拟方法

为提升网络模拟性能,提出了基于拓扑抽象的网络模拟方法。该方法对大规模网络拓扑进行抽象,形成小规模网络拓扑;通过对该小规模拓扑的模拟结果进行分析,形成原始大规模拓扑的模拟结果。理论证明了该方法能保证路由器队列长度、丢包率、数据包转发时延、TCP流量速率等瞬时网络行为参数的模拟真实性。通过基于NS2的实验结果表明,当拓扑抽象度达到16时,相对于传统的网络模拟,该方法降低模拟运行时间98%以上,而网络行为模拟结果仍具有较高的真实性。     

基于流量自相似性的网络队列管理算法

网络流量的自相似性会导致数据突发状态持续,传统队列管理算法无法对网络流量突发状态进行预测,从而影响网络端到端时延、丢包率和吞吐性能。针对该问题,提出一种基于网络流量预测的主动队列管理算法P-ARED。基于网络流量的均值和方差给出网络流量等级的概念,讨论网络流量等级转移概率与Hurst参数之间的关系,提出基于贝叶斯估计思想的网络流量等级预测方法。在此基础上,在对自相似网络流量环境下的平均队列长度、缓存队列长度最小阈值等参数优化设置的基础上,基于Hurst参数和自相似流量等级预测结果,重新设计ARED算法中分组丢弃概率的计算方法,以提高缓存队列长度的稳定性。仿真结果表明,P-ARED算法与对比的主动队列管理算法相比,降低了网络端到端时延和丢包率,提高了端到端吞吐性能,其中平均吞吐量最高提升7.63%,平均时延最多降低17.52%。     

自相似流量下自适应AQM算法性能研究

针对目前网络流量存在的自相似特性,提出了一种自相似流量下的主动队列管理算法--IARED算法.该算法首先根据网络流量的自相似和长相关特性,利用自相似流量的自相关函数来设置平均队列长度计算公式的权值,再根据当前平均队列长度与目标队列长度变化率和当前平均队列长度与上一时刻平均队列长度变化率两个参数来动态调整最大包丢弃概率.仿真实验结果表明,该算法能很好地适应自相似网络的流量变化,可以很好地控制队列长度,降低丢包率和保持较低的排队延迟.     

面向拓扑聚焦的网络流量模拟方法

为降低复杂网络模拟的计算开销,保证网络流量中数据包模拟的真实性,提出了一种面向拓扑聚焦的网络流量模拟方法。根据网络流量中数据包的路由路径所在区域,将数据包分为三种类型,对于每种类型的数据包采用不同的模拟方法。基于网络拓扑的实验表明,该方法适用于复杂网络的模拟,保证数据包模拟的真实性。     

基于主机节点删减的网络蠕虫模拟方法研究

为降低网络蠕虫模拟所需的计算及存储开销,提出了一种基于主机节点删减的简化模拟方法。其基本思路是:删减大规模网络蠕虫模拟拓扑中的部分主机节点,以形成小规模网络拓扑,并基于该小规模拓扑进行蠕虫模拟。基于SEM蠕虫模型分析了该方法能保证被感染节点个数、蠕虫流量速率等参数的模拟真实性,针对DropTail及RED分析了该方法能保证蠕虫数据包转发延迟及丢包的模拟真实性。基于NS2的实验表明:该方法在保证模拟真实性的前提下,降低蠕虫模拟计算开销97%以上,降低存储开销90%以上。     

神经网络预测Ad hoc节点流量的路由协议

提出了一种基于神经网络预测模型对网络流量负载进行预测的负载均衡协议NNP-LBRP（Load-Balanced Routing Protocol based on Neural Network Prediction model）,该协议利用RBF神经网络预测模型对Ad hoc网络中的节点流量负载进行预测,根据预测到的下一时刻的流量负载状况,在节点出现拥塞之前提前更换路径,避免中间节点出现拥塞,以此来提高网络的性能。协议中的流量值是以MAC层接口队列长度来衡量,负载均衡中的负载是流量负载。另外,协议在目的节点处采用了延迟应答策略,即在多路径中选择负载最轻的路径应答,对改善网络的性能也有一定作用。仿真结果与AODV路由协议进行比较,数据包投递率提高了约10%;平均端到端延时平均降低了27%;网络开销平均降低了26%。     

基于指数平滑预测的Ad Hoc网络路由协议

提出一种基于动态指数平滑模型对网络流量负载进行预测的负载均衡协议DES-LBPTP(a Dynamic Exponential Smoothing Model-Based Load Balancing Protocol for Traffic Prediction in Ad Hoc Networks).该协议以MAC层接口队列中分组长度为流量负载的衡量依据,利用动态指数平滑预测模型对节点的流量负载进行预测,根据预测到的下一时刻流量负载状况,在节点出现拥塞丢包之前,提前实施路由更新机制,避免中间节点拥塞,以此提高网络性能.此外,该协议在中间节点根据流量负载状况有选择地转发RREQ、在目的节点采用延时应答也在一定程度上改善了网络性能.仿真结果与AODV协议相比,端到端时延降低约50%,归一化开销改善28%,分组投递率最大增长10.4%.     

自相似网络流量可预测性及其在AQM中的应用

从网络流量的自相似性带来的可预测性入手,小结了两类常用的预测方法,并对其进行了比较;然后根据已有预测算法,将预测结果引入经典主动队列管理机制——RED算法中,提出了基于流量预测的RED算法;最后通过仿真实验表明,该算法能较好地控制平均队列长度,提高主动队列管理的性能。     

一种面向云计算的网络异常流量分组方法

针对云计算下大量用户环境下网络异常流量分组管理问题进行研究,提出一种面向云计算的网络流量分组方法.该方法采用BIRCH算法对云计算产生的大量网络数据进行初次聚类,然后根据初次分类的统计特征进行分组融合,从而得到对网络流量的最终分类结果.实验通过一个具有突发异常流量的仿真场景,从分组效果和基于该分组的流量管理两个角度进行验证.实验结果证明,基于该方法能有效对异常用户进行分组,并且在有效阻断异常流量的同时能极大地减少对正常流量的影响.     

网络流量异常检测中的维数约简研究

对包含大流量数据的高维度网络进行异常检测,必须加入维数约简处理以减轻系统在传输和存储方面的压力。介绍高速网络环境下网络流量异常检测过程以及维数约简方式,阐述流量数据常用特征和维数约简技术研究的最新进展。针对网络流量特征选择和流量特征提取2种特征降维方式,对现有算法进行归纳分类,分别描述算法原理及优缺点。此外,给出维数约简常用的数据集和评价指标,分析网络流量异常检测中维数约简技术研究面临的挑战,并对未来发展方向进行展望。