基于层析成像技术的拓扑推断

利用层析成像技术通过端到端的测量可以推断网络拓扑。该文讨论网络层析成像在网络拓扑推断中的测量方法的优点与不足,分析节点相关性计算方法的缺陷及当前各种拓扑推断算法。对测量方法、节点相关性计算方法和推断算法进行综合对比,总结网络层析成像在拓扑推断中的技术难点,对进一步的研究方向进行探讨。

网络层析成像技术在网络拓扑推断中的应用

网络层析成像是根据端到端的测量,通过反演推断获取网络的内部特性。层析成像技术不需要网络内部节点的合作,只需要选择一组接收节点即可完成对网络内部特性的推断,利用网络层析成像技术可以解决网络内部节点不合作的问题。本文讨论了网络层析成像在网络拓扑推断中的测量方法和推断方法,对比了当前的测量方法和推断方法。根据当前的研究讨论了网络层析成像在拓扑推断中的技术难点和下一步研究方向。

改进的基于最大似然的快速拓扑估计方法

基于最大似然的网络拓扑估计方法能够获得全局最优的估计结果,优于一般局部最优化和节点对融合方法,但在网络规模较大时存在计算复杂度较高的缺点。首先证明了网络拓扑估计似然函数是单峰的且峰值为最大值;然后利用单峰特征,改进了现有基于最大似然的拓扑估计方法,降低了计算复杂度。最后,Matlab和NS-2仿真结果证明,在不降低拓扑估计准确率的情况下,改进算法将计算复杂度减少了30%～40%。

一种单播网络拓扑推断方法

现有的基于三元分组列车的网络拓扑推断方法,仅依据单一参数(时延或时延抖动)进行网络拓扑的推测,其推断准确度受到网络负载的影响,在网络负载较重时不能准确推断出网络拓扑.针对上述的问题,提出一种基于三元分组列车测量拓扑结构的方法,利用叶节点的层析信息将叶节点进行聚类,依据时延抖动和丢包率两个参数计算节点间的相关性,由底向上构造网络拓扑树.经过NS2仿真环境下实验验证,该方法有效减少了探测包的发送量,提高了推断的准确度,且网络负载对推断准确性影响较小.

一种基于端到端的网络拓扑推断方法

提出一种新的基于三元分组列车测量拓扑结构的方法,此方法利用叶节点的层析信息将叶节点进行聚类,依据时延抖动和丢包率两个参数计算节点间的相关性,有底向上构造网络拓扑树.该方法较之前方法有效减少了探测包的发送量,并且其推断准确度有所提升,不受到网络负载的影响.最后在NS2仿真环境下进行实验,验证该方法的有效性与准确度,并与其他方法进行比较.