一种天地一体化智能网络流量模型

针对天地一体化智能网络流量具有长相关,且突发性强的特点,通过对多分形小波模型构造系数分布合理化选取,构建了基于威布尔分布的混合小波网络流量模型(W＿OWM,Weibull of wavelet model).模型结合独立小波模型的长相关描述能力和多重分形模型的短期突发描述能力,选取威布尔分布重构流量,解决了传统多分形小波模型构造系数的分布选取与实际流量分布特性无关的问题,该模型能够准确、有效的描述天地一体化智能网络流量的行为特征.仿真分析表明：W＿OWM重构流量表现了突出的重尾特性,与实际流量的分布特性相似,W＿OWM多分形谱的描述贴合于实际流量多分形谱,更能体现流量的长相关性.     

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。     

天地一体化智能网络智能节点部署策略

针对传统卫星网络中,由于低轨卫星节点计算能力不足,导致大量计算任务需要传输到高轨卫星计算或转发,进而产生巨大传输时延的问题,本文利用移动边缘计算技术,结合天地一体化智能网络架构,提出了一种基于人工蜂群的智能卫星节点优化部署算法.该算法通过迭代,结合网络分簇算法,选出边缘服务有效覆盖率最高的智能卫星节点部署策略.从而使得...     

实时网络流量分类研究综述

实时流量分类技术能够按照应用类型对在线网络流量分类,它对网络管理、流量控制以及网络相关研究具有重要意义.首先从不同层次上简单分析了实时流量分类技术的研究现状;给出了流量分类的实时性概念及其指标;然后从流量统计特征和机器学习算法两个方面综述了实时流量分类的主要技术及研究进展,并进行了实时性分析;最后根据未来网络发展对实时流量分类技术提出的新要求,展望了该领域未来的研究发展方向.     

天地一体化智能网络节点静态处理与缓存策略

天地一体化智能网络中的卫星节点具有计算、存储和传输能力,将内容副本缓存至传输路径上的卫星节点可提高网络缓存收益。针对卫星节点移动导致的路径改变问题,设计基于虚拟位置的卫星节点静态处理机制,先设定卫星的虚拟位置节点,再将内容副本提前向虚拟位置节点同一轨道的后方卫星节点进行缓存。在此基础上,提出基于ProbCache的轻量级分组缓存策略PBP,对路径节点进行分组并划分组内缓存区域,同时按照内容副本流行度阈值实现缓存位置迁移,使得流行度高的内容副本缓存至离请求节点近的区域。实验结果表明,与ProbCache、LCE和LCD等策略相比,PBP策略能有效降低缓存开销及提高内容副本的缓存命中率,具有更好的卫星网络传输性能。     

空天地一体化网络系统架构设计与智能管理

为了克服空天地一体化网络系统(Space-Air-Ground Integrated Network,SAGIN)由于结构复杂和业务多样而导致的不同网络间的协同困难,提出了基于移动边缘计算(Mobile Edge Computing,MEC)的SAGIN多维管理架构.通过将网络系统划分为数据层、控制层和管理层,网络状态...     

应用层防护的实时化与一体化

随着一些主动实时防护技术和统一威胁管理UTM技术的出现,网络及应用层的信息安全保护呈现出实时化与一体化的趋势。     

实时多媒体流分类方法研究

多媒体流分类作为提高终端用户视音频体验的前提,已经成为热点研究领域。本文全面分析多媒体流分类领域近几年的发展,并对该领域的未来发展提出了若干建议。     

智能电网分类用户实时电价算法研究*

针对现有智能电网实时电价研究用户单一的不足,根据我国各类销售电价差别较大的情况,首先确定居民、商业和工业用户为研究对象,建立其基于微观经济学概念的效用函数;其次,基于拉格朗日对偶算法,迭代输出各类用户的最优用电量、实时电价和总福利,并与上海市分时阶梯电价进行对比。结果表明,采用实时电价后各类用户的用电量均比分时电价平稳;居民用户用电波动最大,实行实时电价的效果最显著。工商业用户的总福利实时比分时高,而居民用户相反。该实时电价模型和算法具有削峰填谷、平稳电网负荷、平衡供需和提高用户总福利的优点。     

天地一体化网络关键技术研究综述

作为地面网络的补充和延伸,卫星网络有助于加速弥合区域间的数字鸿沟,扩展地面网络的覆盖和服务范围.然而卫星网络拓扑动态性高、传播时延大、星上计算能力和存储能力均受限,因此实现卫星网络与地面网络的有机融合,构建覆盖全球的天地一体化网络面临路由扩展性、传输稳定性等技术挑战.针对天地一体化网络的研究挑战,从网络架构、路由、传输和基于组播的内容分发等方面介绍了国内外的研究现状,并展望了天地一体化网络的发展趋势.     

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。     

软件定义天地一体化网络接入认证架构与方法

天地一体化网络因结构复杂存在网络异构动态、间歇连通、节点高度暴露等特性，为了保证安全，需要研究专有的接入认证架构与方法。首先利用软件定义网络控制面与数据面分离的思想将它与天地一体化信息网络相结合提出一种新的接入认证架构，对认证架构与过程进行详细描述，可以实现对网络的安全防护与资源的优化控制。然后根据架构特点，提出7个影响接入点决策的属性，给出各个属性的计算公式，将层次分析法与逼近理想解的排序方法相结合提出一种接入点决策算法，实验仿真结果表明接入点决策准确，可以实现资源的合理利用。     

SDN网络流量分类技术研究综述

网络新技术的迅猛发展,给人们生活带来了极大的便利,同时也为网络管理带来了巨大的挑战。网络流量分类作为网络安全管理的一项重要的基础性工作,是开展网络管理和流量控制的前提,具有十分重要的意义。阐述了网络流量分类中常用的基于载荷数据的深度包检测(DPI)和基于流统计特征的机器学习等技术的发展现状,特别对基础数据采集标注、软件定义网络(SDN)环境下的流量分类以及在线流量分类等热点和难点问题进行了探讨,阐述了当前研究进展情况。最后指出该领域研究未来面临的挑战。     

面向天地一体化信息网络的安全验证平台设计

天地一体化网络系统复杂、技术体制多样,其中安全技术涉及系统的各个层面,难以通过单项技术试验来实现系统层面的验证和评估,需要构建具有一定网络规模的验证系统来完成安全技术体系的验证。基于通用开放、可重构的理念,提出了一种天地一体化网络安全验证系统方案,实现密钥管理、安全路由、安全切换、安全隔离、安全传输等安全保障技术的系统验证。     

天地一体化网络认证机制性能定量分析方法

在天地一体化网络中,为保证节点身份的合法性,需要对节点进行接入认证及切换认证。但是,认证机制的实施将会影响网络性能,因此该文对各种认证组合方案的整体性能进行量化分析。建立天地一体化网络认证与节点通信模型,定义了6种认证协议,给出了4种典型的认证组合方案。定义了平均认证时延与平均认证开销两种性能评价指标。给出了单次认证时延、单次认证开销、认证与切换概率的计算方法。在不同接入持续时间及接入到达率条件下,对各种认证组合方案的性能进行了量化分析。     

基于TAN的网络流量分类方法

针对传统的基于传输层端口和基于特征码的流量分类技术准确率低、应用范围有限等缺点,提出了使用树扩展的贝叶斯分类器的方法,该方法利用网络流量的统计属性和基于统计理论的贝叶斯方法构建分类模型,并利用该模型对未知流量进行分类。实验分析了不同权值、不同规模的数据集对其性能的影响,并与NB、C4.5算法做了比较。实验结果表明,该方法具有较好的分类性能和较高的分类准确率。     

天地一体化卫星网络拓扑场景仿真技术

网络仿真可为天地一体化卫星网络的新技术评测提供有力支撑。面向天地一体化卫星网络拓扑场景固有的异构性、动态性特点,提出一种天地一体化卫星网络拓扑场景仿真技术。设计了面向异构、动态卫星网络拓扑的统一描述模型,以及研究了基于统一描述模型的拓扑自动解析与仿真场景生成方法,提升了仿真场景生成的易用性;从是否时变性的角度出发,设计了面向各类星间链路与星地链路的分类方法,将链路分为时变性和非时变性两种,针对非时变性链路,通过引入链路模型预加载机制,提升了卫星链路的仿真效能以及响应速度;针对链路仿真过程中延时仿真精确度低的问题,设计了链路仿真校正策略,实现了卫星链路高逼真、实时、动态的仿真。构建了多种天地一体化卫星网络场景,实验结果表明：所提出的技术具备高效的卫星网络仿真拓扑的自动生成能力;与现有技术相比,该技术在卫星链路仿真效能与仿真逼真性方面具有明显优势。     

基于复杂网络社团划分的网络流量分类

随着网络的高速发展以及各种应用的不断涌现,采用端口号映射或有效负载分析的方法进行流量分类与应用识别已难以满足应用的需求。以流为网络节点、流之间统计特征的相似度为边,构建流相关网络模型,利用Newman快速社团划分算法(NFCD)对流相关网络模型进行社团划分,得到了流的聚类结果,实现了网络流量的分类,并与先前的两种无监督的流量分类算法(K-Means,DBSCAN)进行了对比。实验结果显示,利用NFCD算法具有更高的准确率,并能产生更好的聚类效果,且不受输入参数影响。     

基于流相关性的网络流量分类

网络流量分类技术对网络安全管理起着非常重要的作用。随着网络和信息技术的发展,传统的基于端口号和深度包检测分类方法的局限性愈发明显,不能对现有的流量进行准确分类。提出一种基于流相关性的半监督网络流量分类算法,并使用MDL-CON高斯混合模型作为聚类模型,通过聚类过程中利用流之间的相关性提高模型的准确度。采用MDL准则解决了高斯混合模型需要人为预先设定类簇数目和高度依赖于初始值的问题。实验结果表明,利用该方法来处理流量分类问题可取得理想的分类效果。     

采用改进LM算法的网络流量分类方法

针对传统的流量分类方法准确率低、开销大、应用范围受限等问题,提出一种有效的网络流量分类方法（GA-LM）。该方法将基于神经网络的分类方法作为网络流量的分类模型,采用L-M算法构造分类器,并用遗传算法优化网络初始连接权值,加速了网络收敛过程,提高了分类性能。通过对收集到的实际网络流量数据进行分类,实验结果表明GA-LM比标准BP算法和L-M算法的收敛速度快,具有较好的可行性和高准确性,从而可有效地用于网络流量分类中。