最大Lyapunov指数实现局域网流量的预测

由于网络中存在复杂的非线性动力学特性,基于混沌理论,采用最大Lyapunov指数对局域网络流量序列进行预测分析,能够实现较早地预测出网络流量的突变特性。首先,采用相空间重构理论,并结合C-C算法将实际测试的流量时间序列投影到重构的相空间中。然后,计算其最大Lyapunov指数并对最大可预测时间进行了分析,同时对预测算法进行了研究。最后,对实际测试的局域网流量序列分别采用点预测和区间预测方法进行了分析。仿真结果显示,采用点预测方法对流量突变可以进行有效预测,突变越剧烈预测越准确;而采用区间预测可以有效预测流量的变化趋势,但不适用于广域网环境。进一步表明此方法能有效地利用所有数据信息进行预测,预测效果准确、可靠,可广泛的用于网络拥塞和网络攻击中。

局域网流量的多重分形谱分析及关联性研究

鉴于网络流量复杂的奇异特性,采用多重分形谱分析其丰富的结构特征。首先构造出局域网流量的多重分形谱,并分析其特点;然后分析了谱参数与平均流量变化图的分布特点;进一步研究了多重分形谱参数与平均流量对数的关联关系。研究结果显示,多重分形谱宽度的变化与网络流量的变化十分相似,且最大与最小概率的多重分形谱函数之差的变化在某种程度上比流量的波动要提前一个时段,该结果为采用多重分形谱实现网络流量预测奠定了理论基础。