软件定义无线传感器网络中低控制负载的睡眠调度

为了克服软件定义无线传感器网络（SDWSN）中控制流量的限制,依据基于能量消耗的连通k邻域睡眠调度算法和软件定义网络（SDN）的特性,提出了一种低控制负载的睡眠调度方案. 首先,利用SDN的网络模型重新设计无线传感器网络的模型;然后,依据新的网络模型,对传统的睡眠调度方案进行改进. 在此基础上,设计出能够降低网络中控制流量的流表,从而降低SDWSN中的控制负载. 仿真结果表明,本文所提出的控制流设计方案在控制流量和数据平面中更新节点状态的平均响应时间要优于SDWSN中的睡眠调度,该方案能够最小化整个网络中的控制流量,在延长网络生命周期的同时降低控制负载.     

一种基于SDN的在线流量异常检测方法

基于软件定义网络的集中管控平面,提出了一种在线流量异常检测方法.首先在控制器上在线获取OpenFlow交换机的流表信息,并构造整个网络的流量矩阵与样本熵矩阵进行组合,然后采用主成分分析方法检测异常流量.实验结果表明,相比于传统网络中利用主成分分析方法分别单独处理离线的流量矩阵或样本熵矩阵的方法,在线流量异常检测方法实现和处理方式简单、有效,异常流量能够得到快速隔离,是基于软件定义网络的一种轻量级在线流量异常检测方法.     

基于车联网和移动边缘计算的时延可容忍数据传输

以物联网和车联网为代表的智慧城市的快速发展,使网络中的数据传输与数据计算面临巨大挑战,网络资源的分配也越来越受到广泛关注,为此提出了一种基于移动边缘计算的新型网络架构,通过整合物联网与车联网,用以传输时延可容忍数据及处理数据计算任务.由于在同一网络架构下,需要融合多种网络标准和协议,基于可编程控制原理的软件定义网络技术被应用于所提网络架构中.此外,时延可容忍数据在软件定义的车联网中的传输与计算节点选择过程可建模为部分可观测马尔科夫决策过程,从而优化并获得最小化系统开销,包括最小网络开销和最短数据计算处理时间.仿真结果表明,与已有方案相比,所提方法可以有效地降低系统开销,缩短数据计算执行时间,提升数据计算效率,且在传输时延允许条件下,保证时延可容忍数据的传输到达率.     

OpenTAD：一种基于 SDN 的在线流量异常检测方法

基于软件定义网络（Software Defined Networking, SDN）的集中管控平面,提出了一种在线流量异常检测方法（Online Traffic Anomaly Detection method, OpenTAD）。首先在控制器上在线获取OpenFlow 交换机的流表信息,并构造整个网络的流量矩阵和样本熵矩阵进行组合,然后采用主成分分析方法（PCA）检测异常流量。实验结果表明,相比于传统网络中利用PCA分别单独处理离线的流量矩阵或样本熵矩阵的方法,OpenTAD 实现和处理方式简单有效,异常流量能够得到快速隔离,是基于 SDN的一种轻量级在线流量异常检测方法。     

蜂窝移动网络低成本高精度授时

传统的网络授时和卫星授时方法受制于授时精度和部署环境,难以满足移动网络业务对高精度同步的需求。针对这一问题,提出了一种移动终端低成本基带授时模组设计,并基于软件定义了无线电的移动通信基站和展锐模组,实现了原型授时系统。定义了移动网络授时端到端的误差源模型和基于空中接口物理层信号的网络授时技术的原理,并重点阐述了如何基于授时信令精确下发绝对时间及如何基于多种空口物理层信号的时延估计补偿、误差感知、鲁棒的机制和统计补偿等方法在移动网络中实现亚微秒的同步精度。实验结果表明,单次空口授时精度优于10^-7s。     

基于openflow的SDN技术研究

为了解决传统网络无法适应未来网络发展需要的问题,引入网络切片（network slice,NS）技术.基于软件定义网络（software defined network,SDN）和可信计算技术提出软件定义可信（software defined trust,SDT）的思想.针对OpenvSwitch（OVS）和OpenDaylight中的虚拟租赁网络（virtual tenant network,VTN）技术,设计一种基于SDT的网络切片模型：在用户请求资源时,对转发层的交换机进行可信性的采集,并针对不同的用户需求构造相应的可信切片;在切片运行过程中,对切片进行可信监控,提出OVS回退与流表恢复的方法对不可信的切片进行恢复.经实验验证,该方法在保障切片可信性的同时,提高了资源利用率与切片恢复的效率.

     

基于改进蚁群算法的SDN数据中心流调度研究

目前在软件定义数据中心网络中,基于蚁群算法的流调度策略在对路径进行选择时存在收敛过慢和搜索停滞等缺点,容易导致数据中心网络时延过高和资源利用率低等问题.为此,提出一种基于蚁群改进的流调度算法.该算法以最大化平均链路带宽利用率为优化目标,将流调度问题抽象为整数线性规划模型,通过重定义蚁群算法中的信息素更新方式对大流的重路...     

SDN中基于动态迁移优化的控制器负载均衡算法

为了改善软件定义网络(Software Defined Network,SDN)中由于流量突变引起的多控制器负载不均衡的问题,提出一种基于动态迁移优化(Dynamic Migration-Optimized Load Balancing,DMOLB)的控制器负载均衡算法.该算法在控制器负载阶段以常规控制器的负载作为过载...     

DHT网络规模估计算法的定量分析与设计

为准确而高效地估计分布式哈希表(DHT)的网络规模,提出一种基于平均间距的估计算法.该算法利用节点之间的间距服从指数分布这一特性,通过测量平均间距长度估计网络规模.从最简单情况入手,逐渐增加估计的间距个数,定量分析了网络规模估计值的概率分布和置信区间.根据分析,如果采用多条间距估计网络规模,估计值将服从参数为(k,k)...     

Openflow下的动态虚拟蜜网系统

提出了一种Openflow下的动态虚拟蜜网系统,利用Openflow交换机及其控制器的软件定义网络的新型网络架构,解决现有蜜网系统中流量控制困难的问题,替代现有基于重定向网关的半软件半硬件的转发方案. 设计了一种虚拟蜜罐系统,可以虚拟运行任意服务的任意主机,能够动态调整蜜罐结构. 提出了叠加虚拟蜜网的概念,在一个蜜网物理实体中叠加运行多个不同的虚拟蜜网系统. 部署设计的蜜网系统验证了密网系统转发时延低、动态性强的特性和叠加虚拟蜜网系统的有效性.     

基于网络时延的SDN逻辑一致性策略研究

对SDN网络更新过程中的暂时中间态进行了研究, 阐述了因网络时延导致的控制逻辑不一致问题, 并提出了一种解决方案. 该方案通过在控制平面上调整安装控制规则的时序, 使网络达到控制逻辑一致的目的, 进一步建立了一种基于节点平均网络时延的目标优化模型, 通过对模型求解得到SDN网络逻辑一致的时延最小路由路径. 最后通过仿真实验验证了该方案的可行性和有效性.     

一种VANET信息查询模式及分析

提出了一种基于车载自组织网络的车辆实时信息查询模式.在该模式下,实时交通及设施服务信息和用户查询都采用自组织网络传染病路由的方式进行数据传输和发布,只有当查询和实时报告信息在某个节点匹配后,为了节省查询时间,将查询结果信息通过基础设施网络返回查询节点.针对该车辆实时信息查询模式建立了系统模型,对系统查询机制和延时进行了理论分析和推导,并在STRAW/SWANS环境下验证了推导结论,为系统的参数设置和优化提供了理论依据.     

Stochastic speed prediction for connected vehicles using improved bayesian networks with back propagation

Advanced vehicular control technologies rely on accurate speed prediction to make ecological and safe decisions. This paper proposes a novel stochastic speed prediction method for connected vehicles by incorporating a Bayesian network (BN) and a Back Propagation (BP) neural network. A BN model is first designed for predicting the stochastic vehicular speed in a priori. To improve the accuracy of the BN-based speed prediction, a BP-based predicted speed error compensation module is constructed by formulating a mapping between the predicted speed and whose corresponding prediction error. In the end, a filtering algorithm is developed to smoothen the compensated stochastic vehicular speed. To validate the workings of the proposed approaches in experiments, two typical scenarios are considered: one predecessor vehicle in a double-vehicle scenario and two predecessor vehicles in a multi-vehicle scenario. Simulation results under the considered scenarios demonstrate that the proposed BN-BP fusion method outperforms the BN-based method with respect to the root mean square error, standardized residuals, R-squared, and the online prediction time of proposed fusion prediction can satisfy a real-time application requirement. The main highlighted contributions of this article are threefold: (1) We put forward an improved BN method, which is combined with a BP neural network, to construct a stochastic vehicular speed prediction method under connected driving; (2) different from existing methods, a unique interconnected framework that consists of a stochastic vehicular speed prediction module, a compensation module, and a speed smoothing module is proposed; (3) extensive simulation studies based on a set of evaluation metrics are illustrated to reveal the advantages and merits of the proposed approaches.

     

A heuristic path-estimating algorithm for large-scale real-time traffic information calculating

As the original Global Position System (GPS) data in Floating Car Data have the accuracy problem, this paper proposes a heuristic path-estimating algorithm for large-scale real-time traffic information calculating. It uses the heuristic search method, imports the restriction with geometric operation, and makes comparison between the vectors composed of the vehicular GPS points and the special road network model to search the set of vehicular traveling route candidates. Finally, it chooses the most optimal one according to weight. Experimental results indicate that the algorithm has considerable efficiency in accuracy (over 92.7%) and computational speed (max 8000 GPS records per second) when handling the GPS tracking data whose sampling rate is larger than 1 min even under complex road network conditions.     

基于经验模态分解的城市快速路车辆速度估计方法

城市快速路交通是典型的非线性、时变系统。针对城市快速路交通流参数估计问题,基于实测道路交通流数据提出一种新的车辆速度估计方法。首先对实测交通流数据进行预处理;然后对其进行经验模态分解与重构,建立训练数据集,基于神经网络算法,构建车辆速度与密度之间的非解析模型,实现速度的估计与预测;最后采用北京市三环路实测交通流数据对算法进行测试,分析数据预处理和经验模态分解对车辆速度估计结果的影响。结果显示本文所提方法的交通流速度参数估计均方根误差为3.41,皮尔逊相关系数为0.87,比BP神经网络方法具有更高的精度。     

基于SDN的一体化融合网络路由调度机制

为了解决一体化融合网络动态接入设备出现的通信波动、流量负载均衡以及鲁棒性差等问题,结合软件定义网络(SDN)技术,优化了基于主客观的精准成本模型,将指标阈值型G1法作为主观赋权法,将标准离差法作为客观赋权法,使用乘法集成法对主观法和客观法计算出的权值进行成本整合,给出了最终的链路成本。提出了一体化融合网络多路径选择算法,把优化后的成本组合运用到多路径迪杰斯特拉(Dijkstra)变种算法中,得到传输链路及组合成本。提出了一体化融合网络联邦路由拓扑和策略,使不同网络可以选择符合自身特征的多条路径并按比例转发。研究结果表明,所提方案优化了差异化路径选择和流量调度,增加了链路带宽利用率并减小了网络传输时延。     

基于多归属组合双向拍卖的SDN资源价格协商算法研究

软件定义网络（SDN）作为一种新型的网络体系架构,打破了传统网络的封闭模式,实现了控制与转发分离,可以有效地解决当前互联网的一系列问题。为了实现SDN网络资源的合理分配,该文提出利用经济学原理来抑制SDN网络资源的浪费。根据当前业界流行的拍卖模型的特性,提出一种适用于SDN环境下的价格协商算法,即多归属组合双向拍卖模型（MCDAM）算法,解决了资源买卖双方交易价格是否合理的问题,达到以价格为杠杆实现SDN资源的合理分配的目的,并通过仿真实验证明了该算法的优越性以及可行性。     

IP骨干网络流量矩阵估计算法研究

流量矩阵估计的高度病态特性,使得要精确地估计流量矩阵变得非常困难,如何克服这一问题的病态特性是当 前面临的主要挑战。该文研究大尺度IP骨干网络流量矩阵估计问题,并利用BP神经网络的强大建模功能来捕捉流量矩阵的特 征,通过将流量矩阵估计描述成约束条件下的最优化过程,能成功地克服这一问题的病态特性。仿真结果表明基于BP神经网 络的估计算法具有明显的性能改善。