基于自相似业务流的AOS延时累积调度算法

针对自相似业务流量下的高突发性及重尾性所引起的空间数据系统调度性能下降问题,分析了高级在轨系统(advanced orbiting system,AOS)虚拟信道存取(virtual channel access,VCA)子层调度策略以及现有基于短相关模型调度算法的不足,引入Hurst参数、紧迫度、流量离差、成帧时间因子等权值参量,提出一种基于延时累积的自适应轮询调度(scheduling of delay accumulated adaptive polling,SDAAP)算法,通过自适应改变延时阀值因子实现多业务的差异化调度,从而优化AOS虚拟信道服务质量及调度性能。采用多信源重尾分布的ON/OFF流量分布模型进行仿真验证,实验结果表明,针对自相似业务流,SDAAP算法在溢出率、平均延迟等方面优于AOS固定阀值和等时调度算法。

面向服务架构的拒绝服务攻击检测方法研究

分布式拒绝服务攻击是一种通过消耗目标资源来阻止用户正常访问目标服务的网络攻击形式,它对网络和网络服务的可用性构成极大的威胁。因此,针对DDo S的攻击检测是整个安全防范体系的重要一环。本文通过引用基于流特征条件熵的检测方法。针对DDo S攻击分布式的攻击模式及"多对一"的攻击特点,应用流特征条件熵的概念,验证了条件熵检测方法在SOA架构下的网络系统针对DDo S的攻击的检测同样可行。

高级在轨系统的自相似业务量预测链路优化模型

在AOS高级在轨系统链路协议的基础上,分析了具有自相似特性的业务流量,提出了一种基于FARIMA模型的自相似预测的链路优化模型。该预测模型基于分数阶统计理论,在估计赫斯特参数的基础上,根据不同的时间粒度,提前预测突发业务量的到来,从而降低了网络丢包率。仿真表明模型在20点预测内具有较好拟合性,在一定置信区间下具有较好的预测成功概率和较低的虚警概率,同时使网络丢包率大幅下降。

基于蜜罐的网络防御技术研究

蜜罐技术就是一种体现主动防御思想的安全资源,蜜罐的思想是一个故意设计为有缺陷的系统,专门用于引诱攻击者进入受控环境中,然后使用各种监控技术来捕获攻击者的行为。本文设计实现了通过对虚拟蜜网技术的研究,利用相关的虚拟软件和蜜网工具实现一个稳定的虚拟蜜网系统,通过对蜜网网关和蜜罐进行相关配置,构建出可真实攻击的攻击目标系统,为攻击训练平台提供网络攻击训练所需的攻击目标环境,使用Zenmap软件进行扫描测试,通过安装在蜜罐主机上的Sebek进行数据捕获,使用基于网页的远程管理平台进行数据分析,以及安全报警。最后连接数据库,记录下攻击活动的数据,为进一步的研究提供依据。