一种新的估计流长度分布的方法

为提高流测量系统的运行效率,减小其所消耗资源,提出了一种新的用于测量流长度分布的估计方法。对到达的报文进行抽样后,用两个哈希函数来确定更新相应计数单元的值,定期收集计数空间中的数据进行离线处理。利用EM算法和最小二乘法,得到了流长度分布。通过应用于来自不同网络的数据进行实验测试,实验结果表明该模型对于流分布的估计是精确的。     

基于迭代方法的流数估计算法

流数估计是网络管控的重要参考尺度,对网络流量全局特征信息的深入挖掘具有重要意义.针对目前已有的多种估计算法以过度消耗测量设备存储资源和计算资源提高估计精度的缺陷,采用报文抽样技术,提出一种新的迭代收敛型估计算法.实验测试表明,该算法在估计精度和内存消耗上优于EM算法,在迭代更新上优于Iteration算法.     

基于近似方法的抽样报文流数估计算法

维护每个报文的流记录需要占用大量测量资源.目前已有多种抽样技术估计网络流统计信息,然而精确地估计出流数统计信息是目前的研究难点.提出了Integral和Iteration 两种基于报文抽样样本估计网络流数的算法.Integral算法只需使用抽样流长为1的流数信息就可以近似推导出未抽样的流数.Iteration算法通过建立迭代函数估计未抽样流数,然后根据未抽样流数和已抽样的流数推断出原始流量的流数.采用CERNET(China education andresearch network)骨干网络链路数据将这两种算法与EM(expectation maximization)算法进行对比,表明Iteration算法具有较好的精度和性能.     

基于DCBF的流抽样测量算法

为了提高系统的处理效率,减少系统的测量误差,提出了一种基于动态计数型布鲁姆过滤器（Dynamic Counting Bloom Filter,DCBF）的流抽样测量算法。该算法使用基于报文级别的抽样,并通过DCBF进行流查找和统计,且在CBF计数器溢出时动态增加新的CBF。经理论分析和实验表明,该算法不仅提高了系统的运行效率,减少了存储空间的消耗,同时具有准确性和可扩展性,能很好地适用于高速链路的流量测量中。     

面向IP流测量的哈希算法研究

为了解决计算资源和高速网络流量之间的矛盾,需要对IP流进行抽样或负载均衡等处理,而哈希算法是资源代价的核心.首先提出评价哈希算法性能的随机测度;其次从理论上证明比特之间异或运算和位移运算能够提高哈希值的随机特性,提出比特流之间哈希算法的原则;然后分析IP报文的4个字段:源IP、宿IP、源端口和宿端口的特性,由此提出相关的哈希算法;最后使用CERNET主干流量和PMA的数据验证算法的性能,并与IPSX和CRC32算法进行比较.研究表明,基于异或、位移原则的比特流哈希算法的执行效率和哈希值的均匀性两方面具有较好的性质,能够满足高速网络流量测量需求.     

高速网络流测量及模型研究

网络流测量是网络性能分析和网络流量建模的基础。该文分析了网络流测量的方法及特点,针对高速网络流测量中的关键问题进行了研究,并在此基础上提出了高速网络流测量模型,随后对该模型各组件及相互关系进行了分析,最后通过具体实验分析了模型架构及关键技术的可行性。     

基于流抽样和LRU的高速网络大流检测算法

在高速主干网络中,随着网络链路速率的不断提高和网络流数量的增加,如何及时、准确地检测出网络中的大流信息,成为目前网络流测量的热点问题。根据传统LRU算法由于突发性大量小流导致淘汰大流的测量缺陷和网络重尾分布的特点,提出一种新的识别大流的算法——基于流抽样和LRU的大流检测算法。算法通过流抽样技术过滤大部分的小流,并通过LRU算法识别大流信息,将过滤和识别过程分离,减少小流错误淘汰大流的可能性,提高算法测量准确性。分析算法的复杂度和漏检率,并通过实际试验数据分析了算法参数配置对于大流测量的准确性的影响。理论分析和仿真结果表明,与标准LRU算法和LRU_BF算法相比,在使用相同的存储空间下,新算法具有更高的测量准确性和实用性。     

一种基于FCBF的流信息抽样测量框架及算法*

基于FCBF的高效流信息抽样测量框架不仅可以抽样测量三类流参数,而且存储开销小,只需1～3MB字节左右的存储空间;同时还可以做到几乎零概率的流信息识别统计误差。分析结果表明,该算法可以支持远高于OC48的链路速率,甚至可达OC192或更高;适合于将来高速链路上细粒度的流信息抽样测量。     

采用流抽样方法的网络性能测试模型

随着计算机网络技术和网络应用的发展，网络设备的性能测试已成为研究的热点课题．长时间性能测试中的结果提取和存储，是网络性能测试的关键点和难点．分析了网络性能测试的方法和高速性能测试中的关键问题，提出了网络性能测试模型．通过基于“流”的报文抽样方法，有效解决了长时间性能测试中的结果提取与存储问题．最后，该文通过具体实验分析了模型架构的可行性及抽样技术的有效性．     

流测量中基于测量缓冲区的时间分层分组抽样

NetFlow是流测量中广泛应用的解决方案,但NetFlow的抽样方法存在一定的缺陷:泛洪攻击时消耗路由器过多的资源;用户很难选择适合所有流量组成情况的静态抽样率,以平衡资源消耗量和准确率.提出了一种易于实现的分组抽样方法.该方法利用测量缓冲区对定长时间内到达的分组进行固定数量的抽样,既可以使抽样率自适应于流量变化,又可以控制资源的消耗.证明了抽样估计的无偏性,并推导出估计值相对标准差的理论上界.实验结果表明,与已有方法相比,该方法在具有简单性、自适应性及资源可控性的同时不会失去准确性.     

网络测量及流量采集技术综述

对网络测量进行了定义,描述了网络测量的功能以及网络测量的方法,介绍了RFC中定义的网络性能度量值的概念,最后对网络流量测量中经常用到的流量采集技术进行了分析和比较.     

基于BP神经网络固相流量的在线检测

气固两相流中固相流量的在线测量对气固两相流工业过程的检测和控制具有重要的意义。现以电厂煤粉气力输送的气固两相流中煤粉质量的在线测量为背景,提出基于神经网络的固相质量流量的测量方案,并对使用的BP算法进行几点改进。最后实验结果表明,这种基于神经网络的固相质量流量测量方案是行之有效的,并且具有简单易行和普遍适用的特点。     

神经网络改进算法在超声波流量测量中的应用

由于液压系统中管路结构造成的紊流现象对传统超声波流量计的影响,文章在非充分发展流体的截面流速分布特点的基础上,提出采用多通道超声波测量方法获取流速信息,并将BP神经网络系统应用于流态识别和流量计算,通过对BP网络进行节点和阈值优化,提高了神经网络的识别精度;采用此方法不仅提高了超声波流量计对于非充分发展流体的检测能力,而且降低流量计在测量安装时对直管短长度的要求,增强了仪器的适应能力,具有广泛的工业应用前景。     

多普勒在超声波流量测量中的应用

超声波流量计是流量测量中最有发展前途的三种途径之一，但目前国内外管道用多普勒超声波流量计的性能普遍不高。为了满足智能化、无接触流量测量要求，本文给出其具体实现方案，对该系统进行的实验，验证了本文提出的方法的正确性和有效性，并能够达到较高的测量精度。     

互联网流采样技术综述

网络流量测量对网络管理、网络监控、网络设计和网络规划具有重要的意义.由于网络带宽以摩尔速率增长,流采样作为一种以有限资源实时获取网络运行状况的方式引起了广泛的关注.文章在分析早期流采样技术现状及不足的基础上,详细综述了大流采样算法、流公平采样算法、全流采样算法及异常检测流采样算法四种互联网流采样技术,对四种技术的性能指标给出了理论分析及证明,最后展望了互联网流采样技术可能发展的四个方向.     

网络自适应公平分组抽样算法研究

针对SGS(sketch guided sampling)的缺陷,提出了一种网络自适应公平抽样算法.根据抽样分组估计出值流量大小,并依据该值调整抽样比,使之适应于流量变化,从而达到对各种流的公平抽样的效果.对算法的相关性质进行了证明与分析,基于实际互联网数据进行了实验比较,实验结果表明,该算法具有准确性、自适应性、易于工程实现等优点.     

随机分组抽样下子群体的流大小分布估计

随机分组抽样是网络管理和测量中最常见的抽样方法。已有的研究大都集中在此抽样方法下基于总体的流大小分布估计算法,但一些网络应用更关心总体流量中某个子群体的流大小分布。本文将总体的网络流划分成子群体S和子群体的补集-S,提出了一种在随机分组抽样下运用TCP协议信息的由S与S-共同组成流大小的联合分布的估计算法。实验证明,该算法能够较好地还原子群体及其在总体下的流大小分布的特征;另一方面,通过运用样本流中TCP协议信息,提高了子群体流大小分布估计算法的准确性。     

高速网络流量测量方法

高速网络流量测量是目前实施实时准确地监测、管理和控制网络的基础.基于网络流量测量的应用,将网络流量测量分为抽样方法和数据流方法.从不同的层次,将抽样方法分为分组抽样和流抽样,分别介绍了两类抽样方法;从测度角度介绍了数据流方法.详细介绍了高速网络流量测量的常用数据结构,以及抽样、数据流方法在高速网络流量测量中的应用,比较了各种方法的优劣.概述了高速网络流量测量技术的研究进展.最后,就现有的网络流量测量方法的不足,对网络流量测量的发展趋势和进一步的研究方向进行了讨论.     

关于蒸汽流量测量的讨论

从分析蒸汽特性入手,详细介绍各种流量仪表的特点和适用范围,以及测量蒸汽流量的最佳方案。