小波法的网络流量奇异谱估计

网络流量整形、调度、异常检测、管理与控制及保障QoS需求等都需要了解业务流的局部变化特性.本文给出离散小波及其模极大值的网络流量奇异谱估计算法及影响因素,并通过真实的网络业务数据对算法进行了评估和比较.实验结果表明,两种方法的奇异谱估计能有效刻画网络业务流的局部变化特征,并且能通过奇异谱特征参数之间的差别描述不同业务流之间的差异性,也表明了在一定条件下,离散小波模极大法更加优越.     

一种结合DWT和FARIMA的网络拥塞控制机制

针对自相似流量具有的长相关和突发性特征,结合离散小波变换(DWT)和时间序列分析中的FARIMA过程,提出构建一种混合的网络流量预测模型来对网络行为的发展趋势进行分析和预测,并以预测结果辅助AQM的REM显式拥塞标记,从而提高流量控制的动态性以实现对传统网络协议策略的优化.实验表明该方案可有效改善协议性能,具有良好的稳定性和低丢失率特征.     

PeerDetector:一种基于连接模式的P2P流检测算法

基于NetFlow技术,提出一种基于连接模式的流量检测算法PeerDetector,能够从本地网络的所有流量中有效地检测出P2P流量,PeerDetector算法先用HTD算法检测出HTIP流量,再根据P2P连接的单连接特性识别设计了PTD算法区分开P2P流量和传统网络应用流量,检测出P2P流量.对算法和适合数据处理的数据库进行了设计和实现,用Dynamips仿真Cisco路由器搭建了试验床.经过实验测试,P2P流量检测工具工作效果良好,能够有效检测出绝大多数的P2P流量,误检概率和错检概率非常小.     

交通网络设计问题的人工鱼群算法

人工鱼群算法是一种新的群体智能优化算法,可较好地避免局部极值并取得全局极值,但针对离散优化问题却存在开发平衡及探索能力差等缺点。为此,设计一种自适应变异的人工鱼群算法,在迭代过程中添加变异算子并自动调节视野范围和拥挤度因子。将该算法应用于多等级选择的离散型交通网络二层规划模型设计中,上下层模型分别采用人工鱼群算法及Frank-Wolfe算法进行求解,从而为求解这类模型提供新方法。仿真结果表明,该算法具有较好的稳定性和收敛速度,能够应用于大型城市交通网络设计中。     

基于流量调度的多链路负载均衡算法

针对多重上联链路负载不均衡问题,提出CIAP算法。基于链路时延和剩余带宽的协方差值,对路由表进行二次调整,调用PBA算法将IP碎片映射到各个链路上,使多链路负载达到相对均衡。实验结果表明,在网络重载状况下,CIAP算法的优化性能较DTIA有较大提高。     

基于ARM920T内核的雷达测速仪设计与算法研究

为了提高目前公路交通中对车辆速度的监测手段,提出一种基于ARM(advanced RISC machines)的新型雷达测速仪,结合多普勒测速原理和信号处理的谱估计法,介绍了由毫米波多普勒收发前端和SamsungS3C2410A处理器构成的雷达测速仪的整体设计,包括其硬件结构的设计和在ARM920T内核中实现基4时间抽取的快速傅里叶变换算法(fastFouriertransform,FFT)。实验结果表明,该雷达测速仪的测速精度可达±1km/h,其优化后的FFT算法具有很高的精度和运行效率。     

端到端冗余流量消除技术的指纹选择算法研究

为了兼顾服务器端的内存消耗和有效性,在分析了现有端到端冗余流量消除技术中的指纹选择算法后,提出了贪婪指纹选择算法。该算法认为两个数据包中相同片段的邻接片段很有可能也是相同的,基于这一原理,邻接片段的指纹也将被选为代表指纹,有效地避免了在服务器端缓存整个数据包,大大减少了服务器端的内存消耗。仿真实验结果表明,该算法与现有的指纹选择算法相比,能够大大减少服务器端和用户终端的内存消耗,同时冗余消除率在10%-50%之间,与现有算法相近,证明了该算法的有效性。     

基于加权马尔可夫链的主动用户行为预测模型

建立有效的用户行为预测模型,准确地预测用户的上网行为,是当前网络主动管理地关键,传统的Markov模型是一种简单而有效的预测模型,但它存在测准确率低、预测覆盖率低以及存储复杂度高等缺点.提出了基于加权马尔可夫链模型,通过分析用户行为特征和最优状态分类的方法,预测网络用户行为.最后通过实验结果表明了该模型的可行性和实用性...     

Multiresolution-based bilinear recurrent neural network

A multiresolution-based bilinear recurrent neural network (MBLRNN) is proposed in this paper. The proposed MBLRNN is based on the BLRNN that has robust abilities in modeling and predicting time series. The learning process is further improved by using a multiresolution-based learning algorithm for training the BLRNN so as to make it more robust for the prediction of time series data. The proposed MBLRNN is applied to the problems of network traffic prediction and electric load forecasting. Experiments and results on both practical problems show that the proposed MBLRNN outperforms both the traditional multilayer perceptron type neural network (MLPNN) and the BLRNN in the prediction accuracy.

基于收发平衡判定的TCP流量回放方法

基于真实网络流量的互动式回放测试是当前针对防火墙、IPS等串接型安全设备进行测评的最新方法.文中在分析现有基于状态判定的TCP流量互动式回放方法基础之上,引入收发平衡机制,提出了一种基于收发平衡和状态判定相结合的新的TCP流量回放方法.通过在发送TCP数据包前优先进行收发平衡判定将数据包发送出去,提出的方法能够有效减少TCP流量在发送过程中的状态判定开销,提高回放性能.对引入收发平衡机制前后的TCP流量回放方法的差异进行了分析比较.从单个TCP会话特性、并发会话流量特性、网络传输延迟与丢包等角度分析验证了影响引入收发平衡机制后的算法有效性的因素.实际流量实验表明,文中所提方法在回放TCP流量时性能有显著提升,适用于在更大规模的流量环境下对防火墙、IPS等串接型网络安全设备进行测评.