一个嵌入式网络流量识别系统的设计与实现

文章介绍一个在嵌入式环境下的网络流量识别系统设计并实现,该系统具有可扩展的特征。采用流量特征配置、Linux内核模块等技术灵活扩展系统识别能力。本文剖析了流量识别、流量分类和系统扩展接口等高效的实现方法。通过测试验证了谊系统能正确有效的识别企业内部网的网络流量。     

一个移动Agent在IP网络流量监控中的应用

介绍了当前IP网络流量监控的主要方法，提出了一种运用移动代理技术来实现对IP网络流量有效监控的方法，阐述了移动代理环境，运用移动代理进行流量监控的过程，以及移动Agent和SNMPAgent的交互操作。     

针对网络服务提供商的一种流量分类和应用架构

数据流量识别技术在应对网络病毒、网络入侵检测和网络管理等方面部有着重要的应用。当前主要的网络流量识别技术主要是DPI（Deep Packet Inspection）和DFI（Deep Flow Inspection）,两种技术都各自有优点和缺点。本史提出了一种网络架构,将DPI和DFI技术相结合,并通过数据挖掘技术来辅助发现分类规则,应用FPGA的可编程性和并发性来加速识别和处理过程。     

基于JSP的网络作业管理系统的设计与实现

网络作业管理系统的设计是基于B／S模式的,所有客户端只需装上操作系统以及必要的软件即可应用。作业管理系统由作业管理、系统管理、资源管理和在线答疑四个模块组成。完成作业的搜集与批改、资源上传与下载、师生在线交流等功能。     

基于网络运行管理平台的资产管理系统

网络运行管理系统和资产管理系统相互独立,缺乏数据共享和数据同步机制,且传统资产管理系统缺乏流程监控和资产生命周期管理功能。为此,提出基于iNetboss2网管平台的资产管理系统。通过共享统一资产数据的方式将网络管理和资产管理相结合,利用工作流技术实现设备资产的流程管理和生命周期管理。运行结果表明,基于网络运行管理平台的资产管理系统能有效解决数据冗余和信息孤岛问题,并且能提高网管系统和资产管理系统的信息化和业务流程化水平。     

基于应用服务优先级管理的网络分流管理系统

在对网络带宽管理功能需求和数据处理流程分析的基础上,根据数据处理流程设计实现具有应用优先级调度管理的网络分流管理系统,经测试验证系统能有效解决非关键网络数据挤占网络带宽问题、保证关键业务服务拥有足够的网络带宽,从而有效提高网络应用服务质量和网络管理能力.     

模式识别算法在网络流量分类中的应用

随着互联网使用规模不断激增,网民用户不断增多,越来越多的网络应用被开发出来,网络的使用也因此延伸到各个领域.不论在何种应用情形下,管理员都需要监视网络运行状况以提高网络服务质量,并运用网络安全知识,预防网络攻击对所管网络的使用造成影响.而这一切都以网络流量应用层的分类技术为核心,可是在大数据时代背景下的网络应用不断多样化的今天,网络流量分类都面临着许多挑战.以往的以端口及载荷特征为依据的网络流量分类技术已经不再适用,研究新的网络流量分类方法、提高网络流量分类准确率具有重要的研究价值及现实意义.基于此背景,本文独创的将模式识别算法应用在网络流量分类领域中,并综合的比较了各种模式识别算法在不同情形下网络流量分类中的效率及准确性.最后,基于多次的实验结果并结合相关理论分析,验证了模式识别算法在网络流量应用层分类中的可行性,并在网络流量统计特征的选择及如何将模式识别算法有效应用于网络流量分类方面,给出重要结论.     

浅谈网络管理中网络流量的监测

本文从网络流量的特性,网络流量的测量等方面做了探讨,从而为流量监测技术的优化提出了一些建议。     

信息系统终端运维管理与网络运行可视化分析

信息技术和网络技术的推动下,信息系统终端运维管理与网络运行可视化分析更加重要。网络运行中包含大量业务信息,如果出现故障,会对很多业务造成负面影响。因此,保障网络安全、稳定和高效至关重要。基于此,阐述了网络运行可视化的基本概念,分析了当前信息系统终端运维管理存在的问题,提出加强信息系统终端运维管理与网络运行可视化的对策。     

信息系统终端运维管理与网络运行可视化分析

六安烟草当前的网络已经建设的较为完善,但是网络中还是会经常出现一些疑难的故障。由于网络中有大量的业务在运行,所以保障网络安全、稳定、高效运行是目前六安烟草运维的目标,而要做到这样就需要能够透视网络,对网络的运行情况有一个详细的了解,能够及时发现并准确定位网络中行为不正常的终端,对入网设备进行准入控制等。通过网络分析的手段和终端准入技术相结合,由点到面,全面监控,使六安烟草的信息网络系统可以做到纲举目张。     

网络流量分类研究进展与展望

近年来,随着互联网的迅猛发展,越来越多的新型网络应用逐渐兴起,网络规模不断扩大,网络组成也越来越复杂。网络流量分类技术作为增强网络可控性的基础技术之一,不仅可以帮助网络运营商提供更好的服务质量,而且能够对网络进行有效的监督管理,确保网络安全。本文综述了网络流量分类领域的研究方法及研究成果,对这些传统方法进行比较,分别指出它们的优势和不足。并针对高速网络环境下的实时分类、加密流分类、精细化分类、协议动态变化时的分类等现实挑战,对相关研究进展进行阐述和分析。最后对未来的研究方向进行展望。     

一种检测网络流量异常和网络攻击的算法

尽管网络流量会出现异常,但大部分时间里流量变化是有规律的。如果网络流量出现异常,那么对整个网络具有较大的危害性,因此网管人员必须及时发现流量是否异常。在以往的流量检测算法中聚焦的焦点只是如何区分流量是正常还是异常,并未讨论此时是否存在攻击行为,这些是算法的不足之处。为了改进现有算法的不足之处,作者在查阅了有关资料和文献之后,提出了一种新的流量检测算法,该算法使用了相似性计算法算法,MMTD算法和粗糙集中的决策系统,将这三种算法在流量检测中进行应用是本文的创新点。本文解决问题的思路是首先使用MMTD算法对当前的流量是否异常做出判断,如果出现异常,则使用相似性计算算法将此时的流量与预警值进行比较,并且判断此时是否存在攻击行为,在文章的最后使用粗糙集中的决策系统对流量异常的原因做出决策。     

基于半监督学习的网络流量分类

利用攻击在网络通信中独特的流特征,给出一个可以适应已知和未知攻击的半监督分类方法。在训练分类器中,提出使用加权采样技术得到训练流,同时采用顺序前向选择算法得到最佳的特征子集。使用KDDCUP1999性能评估数据,可以得到较高的流和字节分类准确度。     

基于信息熵的大规模网络流量异常分类

本文提出了基于信息熵的大规模网络流量异常分类方法。该方法综合运用子空间方法和k-means分类方法,并以校园网为实验环境实现了网络流量异常分类实验。实验结果表明,基于信息熵的大规模网络流量异常分类实现简单、计算量小,分类准确性高。     

Traffic Sign Classification with a Convolutional Network

I approach the traffic signs classification problem with a convolutional neural network implemented in TensorFlow reaching 99.33% accuracy. The highlights of this solution would be data pre-processing, data augmentation pipeline, pre-training and skipping connections in the network. I am using Python as programming language and TensorFlow as a fairly low-level machine learning framework.     

基于SSOM的网络流量分类方法

针对目前基于端口号匹配和特征码识别的流量分类方法准确率低、应用范围受限等问题,提出一种基于有监督的自组织映射(SSOM)的网络流量分类方法。该方法使用已标注类别的网络流量训练集,通过改变自组织映射(SOM)训练过程中的权值调整规则,使输出层中获胜神经元的选择更容易,各类别之间划分更清晰,从而提高分类性能。实验结果表明,SSOM的分辨率及拓扑连续性均优于SOM,对网络流量分类具有更高的准确率。     

基于 Spark 的大规模网络流量准实时分类方法

大数据时代催生了互联网流量的指数级增长,为了有效地管控网络资源,提高网络安全性,需要对网络流量进行快速、准确的分类,这就对流量分类技术的实时性提出了更高的要求。目前,国内外的网络流量分类研究大多是在单机环境下进行的,计算资源有限,难以应对高速网络中的 (准) 实时流量分类任务。本文在充分借鉴已有研究成果的基础上,吸收当前最新的思想和技术,基于Spark 平台,有机结合其流处理框架 Spark Streaming 与机器学习算法库 MLlib,提出一种大规模网络流量准实时分类方法。实验结果表明,该方法在保证高分类准确率的同时,也具有很好的实时分类能力,可以满足实际网络中流量分类任务的实时性需求。     

对网络流量管理与拥塞管理的研究

分析了计算机网络拥塞产生的原因及影响,研究了网络流量管理与拥塞管理的策略,提出了采用流量管理技术来增强网络层的流量控制功能,控制网络拥塞的产生,采用拥塞管理策略,优化网络资源的分配,解决网络资源的竞争,为有不同服务需求的网络业务提供有区别的服务,从而有效地控制网络拥塞。