网络流量对网上机群计算的影响

利用网上空闲处理机组成动态非专用机群进行分布式并行计算是网络计算的重要研究方向之一,非专用机群面临的一个最重要的问题就是网络流量动态变化和通信延迟造成网络环境的不确定性和计算的不稳定。该文从理论上分析和评估了网络流量对非专用机群计算环境下各种并行任务的影响,并给出了典型的实验结果。     

链路层分类包的网络流量自相似性研究

提出一种从链路层分类包流量的角度研究网络流量自相似性的方法。使用优化的R/S（rescaled range）法计算Hurst指数,发现分类包流量和总流量一样呈自相似性,并用ON/OFF网络流量模型解释分类包流量自相似的物理原因;并使用主成分分析法研究分类包流量对总流量自相似性的影响,得出大于512 B的分类包（大象包）是影响总流量自相似性的主要原因。实验表明该方法是快速有效的。     

分形滤波的网络流量预测

提出了一种结合分形滤波与线性神经网络进行网络流量预测的新方法。通过分形滤波增强网络流量中的长相关结构,使序列更加平滑,根据相空间重构理论利用线性神经网络进行预测操作,并用实际网络流量验证该模型的有效性。     

一种基于用户端的网络流量计量仪的设计与实现

基于用户端的网络流量计量是一种实用、方便、便于消费者和计量监督的贸易结算方法.文章探讨了实现用户端网络信息流量计量的动因,提出了基于FPGA的硬件实现的用户端网络信息流量计量仪的总体设计方案及硬件实现方法.     

Linux环境下基于TCP/IP协议的网络流量测量与分析

介绍了一种新的网络流量测量工具NetPIPE,使用该工具对北京谱仪数据获取实验室现有的网络设备进行了测量,分析并解决了Intel网卡在RED HAT Linux 7．3平台上性能不稳定的问题。     

基于群智优化RBF神经网络的预测控制模型研究

为了提高预测控制模型的准确度,采用RBF神经网络来完成网络流量预测,并借助群体智能算法中的混合蛙跳算法来实现模型参数的优化。首先,在建模过程中引入混合蛙跳算法。然后,将RBF神经网络权重和阈值作为青蛙个体,随机产生的多个权重和阈值组合个体构成蛙群。对蛙群进行分组,并通过不断重新分组和组内迭代的方法来获取全局最优个体,从而得到最优权重和阈值,以便确定最优的预测控制模型。经过实验证明：采用基于群体智能优化RBF神经网络的预测控制模型具有更高的准确度。     

多重分形网络流量的单队列输入排队性能研究

多重分形已被证明能够较好地用于网络流量多尺度突发行为特性的研究.本文以队列处于满负荷状态的概率为指标研究了多重分形流量输入下单队列的排队性能问题,提出了以尺度函数与矩因子表示的队列满负荷运行概率的解析性框架.用FBM过程作为输入,从理论上验证了该概率框架的正确性,进一步用实测的网络流量数据对多重分形流量输入下单队列满负荷运行的概率进行了分析与比较,结果表明该框架能同时满足单、多重分形流量输入时排队性能的计算.结合文献[1]给出的联合多重分形(JMF)流量模型,为排队系统中队列深度的设计提供了有效的定量计算方法.     

自适应增强的动态网络流量主动异常检测（英文）

主动异常检测通过查询被采样实例的标签,增量更新检测模型,已被广泛用于检测网络攻击。然而,现有方法不能在动态网络流量上实现预期表现,这是因为：(1)它们的查询策略不能采样具有信息量的网络流量,以使检测模型适应数据分布不断变化的网络流量;(2)它们的模型更新仅依赖于有限的查询流量,不能利用网络流量中巨大的未标记流量。为解决这些问题,提出一种自适应增强的主动先验知识森林模型A3PF,用于网络流量的异常检测。通过利用网络攻击的先验知识,寻找能更好区分异常网络流量和正常网络流量的特征子空间,从而构建先验知识森林模型。一方面,为使模型适应不断变化的网络流量,设计了一种新的自适应查询策略,从动态数据分布的变化和异常的不确定性两个方面对具有信息量的网络流量进行采样。另一方面,基于邻域中网络流量的相似性,设计了一种增强更新方法,为查询流量的未标记邻居生成伪标签,从而在异常检测模型更新过程中能够充分利用大量未标记流量。在CIC-IDS2017和UNSW-NB15这两个入侵检测数据集上的大量实验表明,较之相关方法,A³PF性能显著提升。具体而言,其平均AUC-ROC分别提高20.9%和...     

移动蜂窝网络多出口流量数据精准清洗方法

为了提升移动网络多出口流量数据的清洗精度,降低冗余数据占比,提出移动蜂窝网络多出口流量数据高效清洗方法。依据移动蜂窝网络结构特点以及流量特征,预处理移动蜂窝网络多出口流量数据;利用差分自回归移动平均模型,构建移动蜂窝网络多出口流量数据高效清洗模型;将多出口流量数据四元组作为模型输入,运用优化粗糙集理论的数据约简算法,达到精准清洗移动蜂窝网络多出口流量数据的目的。实验证明该方法可通过流量数据预处理降低冗余数据占比,可降低流量数据输出出错率,提高了移动网络多出口流量数据的清洗精度。     

基于注意力机制和长短期记忆神经网络的流量预测研究

准确的流量预测提升通信网络技能、改善通信网络管理具有重要意义.考虑到长短期记忆(Long Short-Term Memory,LSTM)神经网络可解决长序列数据在训练过程中的存在梯度消失问题,采用LSTM作为长期流量预测的基准模型,为提高模型准确性,在LSTM模型的基础上,引入Attention机制(Attention...