网络流量伪装技术研究

根据伪装目标的不同,将流量伪装分为流量抗发现、流量低截获、流量身份伪装和流量模式伪装。首先对流寄生、隧道承载和流量变换等流量抗发现技术进行简要介绍,阐述流量分散、端口跳变和地址跳变等流量低截获技术;然后介绍匿名通信、跳板和地址伪造等流量身份伪装技术,对流量填充、流量规范化和流量掩饰等流量模式伪装技术进行概述;最后总结和展望网络流量伪装技术存在的问题及发展前景。     

全连通网络中基于主机的重路由成本分析

重路由和垃圾包填充是目前网络流量伪装、阻止网络流量分析的有效方法,但它们都以发送额外数据包为代价。该文从期望值的角度分析了重路由的成本,并与垃圾包填充的成本进行了比较。分析结果表明,当网络中节点取值一定时,重路由成本比垃圾包填充成本高。在进行网络流量伪装时,应根据网络的状态选择伪装方法,以提高网络性能。     

基于生成对抗网络的网络流量特征伪装技术

互联网服务提供商通过使用流量分析攻击技术对流量进行分类和监控,目前的防御措施多数缺乏动态性与应对网络环境变化的灵活性,而且依赖于具体的某种流量的特征,容易被探测和屏蔽。为抵御流量分析攻击,提出一种新的流量隐藏技术,代理服务器将流量动态地伪装成任意目标流量,运用生成对抗网络模型来学习目标网络流量的特征,将源流量变为与目标正常流量不可区分的流量,以保障隐私和规避互联网监控。实验结果表明,该技术在准确率等性能指标上表现良好,且拥有同类方案所不具备的动态性,明显提升了流量的匿名性。     

网络伪装模型研究

基于主动、被动探测攻击目标并分析其数据报的网络特征值,可以得出攻击目标的操作系统类型等重要信息,进而得出与之相关的系统漏洞,为入侵和攻击提供重要依据。提出的网络伪装模型中,通过对数据报报头网络特征值进行被动、主动伪装,可以有效防御针对网络特征值的主动、被动探测,实现隐藏攻击目标的真正网络特征信息,进而避免基于系统漏洞的攻击入侵。基于该模型实现的原型系统实验表明,该伪装模型能够很好地隐藏网络特征值。     

多业务网络流量工程模型研究

文章详细分析了多业务网络流量工程的一个通用模型和它的基本功能,系统分析了网络实际存在的流量波动问题及其对网络规划的影响。     

WSN中多重目标覆盖度和连通度的研究

覆盖度和连通度是无线传感器网络中密不可分的关键性研究问题。求解覆盖度和连通度问题的传统方法之一为整数规划算法,其研究背景为同构无线传感器网络和单覆盖度。该方法在实际的高精度目标检测中已不能满足要求。建立了一种随机生成的网络模型并对其进行模型抽象。此外实现了大量的仿真实验,得出了多重覆盖感知概率与节点数量的关系和单连通、重连通的概率曲线,可以为节点的布置提供参考价值。     

无线传感网络中部分覆盖与拟连通冗余节点的研究

随机部署的无线传感网络通常包含大量的覆盖与连通冗余节点,这些节点不仅造成大量的能源浪费,同时影响网络的性能。为此,需要对网络中的覆盖与连通冗余节点进行有效的调度配置。考虑到无线传感网络中覆盖与连通冗余节点识别算法的复杂性,提出了一个新的“部分覆盖与拟连通的冗余节点”概念,它对网络具有同覆盖与连通冗余节点类似的影响,与覆...     

异构无线传感器网络中覆盖度和连通度的研究

覆盖度和连通度研究是无线传感器网络中的关键问题。以往研究背景为同构无线传感器网络,这样可以简化问题,但随着问题的深入,不得不考虑异构节点覆盖。系统地对异构无线传感器网络进行了分类,提出了感知异构和通信异构结合的无线传感器网络下的异构节点感知模型,其次分析了两类异构节点之间的覆盖度的计算,最后分析了异构网络的单连通和重连通。此外实现了大量的仿真实验,得出了节点数量和单连通、重连通的概率曲线。     

IP动态伪装模型研究

IP伪装学有助于转移视线,迷惑攻击者并防止攻击者从IP地址标识和IP包中获取有价值的信息。本文提出了一个动态伪装模型,它可扩大网络会话通过共享和竞争这些IP来选择的伪装IP数。本文的主要贡献是：(1)通过伪装IP数划分网络会话数定义了计算机伪装度;(2)提出了维护伪装IP队列的算法,通过发送APR消息,改变其状态和竞争伪装IP;使用监测数据包的DiverSocket,Netfilter和IPTables,我们设计了一个基于此模型的实验IPDM,获得了满意结果。     

基于周期性网络流量模型的流量预测

文中使用自主开发的网络监控系统，对数据链路实施长期的测试监控。通过大量流量测试数据统计分析表明，WAN／LAN实际流量可以分为时间相关分量和时间无关分量。文中介绍了一个基于周期性网络流量模型的流量预测算法，以便对给定时刻的网络流量进行在线预测，并给出了不同预测精度下预测流量取值区间和实际流量的比较结果。     

交替活跃的部分连接网络休眠调度策略研究*

提出基于交替活跃的部分连接网络的休眠调度策略,无须进行拓扑控制,支持较高的休眠/活跃比率,显著提高了网络平均寿命.给出了满足延迟要求的休眠时间表的确定方法.提出簇内休眠相位同步和簇间相位次序调整的主动调节方法.仿真表明,该方法显著降低了端到端的延迟.     

毫米波MIMO系统中部分连接型混合预编码设计

为了提高毫米波通信系统中混合预编码频谱效率,考虑交替使用最小化架构来提高波束形成增益。然而,这种架构因为射频域调相网络通常使用移相器构成,导致非凸约束,并且已知解决方案具有更高的计算复杂度。在使用交替最小化架构之前,证明了信道矩阵的有序右奇异向量的相位角可以用来初始化模拟预编码器,从而避免了采用搜索近似最佳模拟预编码矩阵的复杂优化过程。另外,不需要发射机处的天线阵列响应矢量。仿真结果表明,提出的算法性能优于传统部分连接型算法且复杂度更低,尤其在高信噪比情况下,更加明显。     

基于时空残差网络的区域客流量预测方法

针对区域客流量波动性强、复杂非线性的特征,易受到季节性影响,并且单一神经网络模型无法同时学习时间与空间相关性问题,通过对区域客流量影响因素分析,结合残差网络和全连接网络,提出了用于区域客流量预测的改进Quad-ResNet模型。Quad-ResNet模型融合了四个残差网络和一个全连接网络,该模型通过深层次的卷积学习空间相关性,结合四个残差网络学习时间邻近性、相似性、周期性、趋势性,使用全连接网络学习季节性影响。将Quad-ResNet模型与LSTM、CNN、ST-ResNet模型在同一数据集上进行区域客流量预测对比实验,实验结果表明,Quad-ResNet模型误差小于其他对比模型,而且在训练和预测的操作上明显比LSTM模型更简便,更适用于区域客流量预测。     

一个基于实际测试的网络流量模型

网络流量模型是网络性能评价、网络协议设计和网络规划等的基础。本文设计了一种在于实际网络测试的时间相关流量模型的方法,采用该流量模型预测网络流量。文章提出了网络流量预测精度的数学定义。网络测试实验表明,此流量模型具有更高的精度,适用于实际运行的网络环境。     

校园网周期性网络流量模型研究

网络流量模型是网络性能评价、网络协议设计和网络规划等的基础。在对大量校园网络流量数据统计分析的基础上．提出一个基于周期性网络流量的网络流量模型,将网络流量分为时间相关分量和正态随机分量,并利用分布拟合检验算法加以验证,同时给出了在不同置信度下基于该流量模型的流量预测算法。     

校园网周期性网络流量模型研究

网络流量模型是网络性能评价、网络协议设计和网络规划等的基础。在对大量校园网络流量数据统计分析的基础上,提出一个基于周期性网络流量的网络流量模型,将网络流量分为时间相关分量和正态随机分量,并利用分布拟合检验算法加以验证,同时给出了在不同置信度下基于该流量模型的流量预测算法。     

基于多神经网络的网络流量预测模型

实现网络QoS控制对于网络管理及维护相当重要,而网络流量预测对于实现网络的QoS控制可以起到十分重要的作用;另外,流量预测在入侵检测中的应用也受到越来越多的关注。网络流量预测极具现实研究意义。对多个神经网络预测模型进行有效的整合,建立了一个基于多神经网络的网络流量预测模型,并用真实的网络流量对该模型进行仿真验证,提高了其预测性能。     

基于贝叶斯网络理论的交通事件预测模型

在综合考虑影响交通安全因素的基础上,采用贝叶斯网络理论,提出了一种交通事件预测模型。在模型的基础上提出基于贝叶斯法则的学习算法,并通过计算变量间的条件概率来计算各类交通事件发生的可能性,从而达到预测的目的。最后对该模型进行仿真实验,并对实验结果进行了分析,验证了模型的有效性。     

基于SCSO-GRU模型的网络流量预测

网络流量有实时性、不稳定性和时序相关性等特点,传统网络流量预测模型存在泛化能力不强和预测精度低等不足之处。为解决这些不足,本文提出一种结合基于正余弦的群优化（SCSO）算法的GRU神经网络的网络流量预测模型（SCSO-GRU）。首先,介绍SCSO算法的粒子更新原理;然后构建SCSO-GRU神经网络的网络流量预测模型,将SCSO算法用于模型训练,提高训练效果,克服传统GRU神经网络收敛于局部最优的缺点;最后用SCSO-GRU模型进行网络流量预测。实验结果表明,与传统LSTM和GRU模型相比,本文模型具有显著的收敛效果和较好的预测精度,可以更好地刻画网络流量变化趋势。