网络数据流分段存储模型的研究与实现

针对网络数据流存储面临的瓶颈问题,提出了同时保持时序性和属主性的网络数据流分段存储模型。模型在内存中采用基于弱时序性的高速缓存数据结构,提高了网络数据流实时存储的效率;在磁盘中采用了基于多级索引结构的数据流生成树结构,提高了基于时序性和属主性的检索效率。实验结果表明,模型显著提高了网络数据流的实时存储能力,有效降低了索引数据的信息量。

基于混沌理论的网络数据流RBF神经网络预测

应用相空间重构理论,研究了网络数据流的混沌特性,计算了实际网络数据流的关维数、Lyapunov指数,证实网络数据流存在混沌现象;据此建立了基于径向基函数(RBF)预测模型,对实际网络数据流进行预测。仿真实验表明,相对于反向传播(BP)神经网络预测,基于混沌理论的RBF神经网络预测方法学习速度快,预测精度高。

基于网络数据流局部性的连接管理优化方法

根据高速网络环境下连接管理的性能需求,提出一种连接管理优化方法,即将MTF启发法应用于连接表。网络数据流的局部性特点表现为,属于同一个连接的一组数据包可能在短时间内集中到达。基于此,应用MTF启发法优化连接表的查找操作,形成MTF连接表。给出优化后的连接管理算法流程。借助实际高速网络数据流,对MTF连接表优化方法进行性能评估。实验结果表明,MTF连接表的查找性能明显优于传统的排序连接表。

基于数学建模的网络数据流异常检测仿真

为了增强网络攻击防护,保护网络信息安全,需要进行网络数据流异常检测,以便于发现网络异常状态,及时进行修复,为此,提出基于数学建模的网络数据流异常检测方法。通过对网络数据流的分析,将其划分为周期性与随机性网络数据流两类,结合周期性数据流的数据包生成速度、数据包大小及传输延时,构建周期性网络数据流数学模型,利用泊松分布对随机性网络数据流进行建模;通过深度学习训练机对网络数据流正常与异常状态进行样本分析,引入逻辑回归模型,结合网络数据流模型对应的数据流特征实现异常检测。实验结果表明,该网络数据流异常检测方法的检测结果精准度及灵敏度高于实验对比方法,适用性较强,具有较好的鲁棒性。

基于自相似指数变化率的网络数据流异常分析

为分析并识别网络中的异常状态,规避网站被攻击风险,以网络数据包为研究对象,基于网络流量具有自相似性的特点,通过自相似指数方差变化率对网络的正异常状态进行度量和分析。选取Moore数据集作为实验数据,以Hurst指数作为自相似度量指数,以数据读取单位、数据读取间隔为算法参数,分别通过方差时间法、平均相邻点对法和R/S法对Hurst指数进行估算,建立了基于自相似指数变化率的适用于实际网络的数据流异常分析规则。实验证明,即使在攻击相对分散且网络状态不稳定的状况下,也可以实现最大限度的网络异常识别。

基于深度长短记忆网络的网络数据流异常检测研究

为了获得更为精准的网络数据流异常检测结果,提升检测效率,减小多因素影响造成的检测误差偏大问题,引入深度长短记忆网络对数据流异常检测参量进行结构优化,优化可分为网络数据流异常特征属性检测量定义、异常数据属性特征提取、深度长短记忆网络下的异常数据特征预处理、建立数据异常检测模型四个部分。通过从异常特征属性定义入手,全方位量化、构建全新深度长短记忆网络下的数据流异常检测模型,以此获得更为精准的检测结果。通过数据对比证实,基于深度长短记忆网络的网络数据流异常检测方法针对一般情况下的异常数据检测灵敏度较高,检测误差低,检测结果可信度和准确率高,检测耗时短,实际应用效果好。

基于数据流聚类算法的网络异常检测系统设计

为保障校园网络信息安全和提高其带宽使用效率,采用sniffer流量方法采集数据,通过Clu Stream聚类算法进行聚类处理,实现对校园网络数据流的异常检测。通过对端口数据流进行检测,表明系统能够发现异常数据并给出预警信息。

基于网格索引的高速网络数据流偏好查询方法

为增大高速网络中被唤醒信息节点的数量值水平,使得网络主机能够准确掌握数据流偏好,从而实现对网络数据的精准查询,提出基于网格索引的高速网络数据流偏好查询方法。根据网格索引原则,建立完整的空间方向定义标准,再分别从点目标匹配、线目标匹配两个角度,完成基于网格索引的高速网络数据指标度量。在此基础上,按照信息表建立条件,描述既定的数据流偏好,再通过计算分发查询向量的处理方式,实现对高速网络数据流偏好的精准查询。实验结果表明,在网格索引原则的作用下,随着网络报文发送数量的增大,被唤醒信息节点的数量值水平也在不断提升,对于高速网络主机而言,能够准确掌握数据流偏好,满足精准查询网络数据的实际应用需求。

基于网络数据流的计算机取证技术

计算机证据是存储有电子数据的电、磁、光记录物,这些电子数据是在计算机系统运行过程中产生的,并能够以其内容证明案件事实,它们可以转换为不同的输出表现形式.

基于谱聚类算法的高速网络数据流快速分类方法研究

当前高速网络数据流分类处理时,忽略了冗余数据对分类结果的影响,使得分类结果 F1值较低。因此,提出了基于谱聚类算法的高速网络数据流快速分类方法。采用主成分分析法对高速网络数据流进行降维处理。对所有数据流相关性特征进行选择,去除冗余特征,保留有效的特征信息。应用支持向量机算法构建网络数据流快速分类模型,结合谱聚类算法对多数类样本进行聚类,组成新的数据集并将其输入到分类模型中得出相关的分类结果。实验结果表明,所提方法的平均F1值为0.95,F1值越大分类结果越准确,说明该方法能够满足高速网络数据流快速准确分类,具有优越的数据分类性能,应用价值更高。

干扰状态下大规模网络数据流的分发协调技术研究

干扰状态下大规模网络数据流具有实时性、波动性、突发性等特点,当前数据流分发协调方法无法保证数据流的平稳传输及分发协调的实时性。为此,提出一种新的干扰状态下大规模网络数据流分发协调方法,通过网络数据流预测值和实际值之间的误差滤除干扰状态下的干扰数据,保证剩余数据流的纯正性。将大规模网络数据流分发协调问题转换成多目标优化问题,以提高大规模网络数据流分发协调的整体性能为目的设定一个目标函数,提出一种大规模网络数据流分发协调预测技术,通过比较处理器计算资源和未来的预期负载确定数据流分发协调策略。实验结果表明,采用所提方法对干扰状态下大规模网络数据流进行分发协调,不仅效率高、实时性好,而且CPU资源利用率很高。

面向android手机平台的网络恶意数据流挖掘研究

由于android手机平台网络中数据流众多,以往研究出的面向android手机平台网络恶意数据流挖掘方法,均无法对网络恶意数据流进行高效、准确挖掘。故提出一种挖掘效率和挖掘准确性均较高的android手机平台网络恶意数据流挖掘方法。网络恶意数据流通常均有自动收发行为,所提方法利用概率分类法和邻近值法对android手机平台网络数据流进行预分类,使具有自动收发行为的网络数据流优先进行网络恶意数据流挖掘,提高挖掘效率和挖掘准确性。该挖掘方法将网络数据流划分成多段行为向量,对具有自动收发行为的网络数据流和不具有自动收发行为的网络数据流采取不同精度的挖掘操作,输出网络恶意数据流,存储网络非恶意数据流,供下次挖掘使用。经实验验证可知,所研究的方法挖掘效率高、挖掘准确性高。

管道流量泄漏监测的网络数据流分段存储模型的实现

针对管道流量泄漏及网络数据流存储面临的瓶颈问题,将网络数据流分段存储设计应用于管道流量泄漏监测中,提出同时保持时序性和属主性的网络数据流分段存储模型.模型在内存中采用基于弱时序性的高速缓存数据结构,提高网络数据流实时存储的效率;在磁盘中采用基于多级索引结构的数据流生成树结构,提高基于时序性和属主性的检索效率.仿真结果表明,模型显著提高网络数据流的实时存储能力,有效降低索引数据的信息量.

计算机网络数据流的安全性分析

网络异常是影响上网冲浪、玩游戏及浏览网页的主要原因,如果网络突然中断对于公司来说可能会造成损失,尤其是电子商务公司,他们主要是靠网络来传递商业信息。网络安全是保障网络服务正常运行的基础。因此怎么样对网络数据进行分析,从其中获得有用的信息及寻找到攻击的源头,已经是计算机网络行业的一个新话题。

网络数据流存储算法分析与实现

针对网络数据流存储面临的瓶颈问题,提出同时保持时序性和属主性的网络数据流分段存储算法分析与设计模型。模型在内存中采用基于弱时序性的高速缓存数据结构,提高网络数据流实时存储的效率;在磁盘中采用基于多级索引结构的数据流生成树结构,提高基于时序性和属主性的检索效率。仿真结果表明,模型能显著提高网络数据流的实时存储能力,有效降低索引数据的信息量。

一种基于数据流分析的网络行为检测

为了更好地对网络行为进行分析,提出了一种基于数据流分析的网络行为检测方法。通过分析网络系统体系架构,对网络行为进行形式化建模,并针对网络行为特点提出了一种基于与或图的行为描述方法,最终设计实现了基于数据流分析的网络行为检测算法。实验证明该方法能在多项式时间内完成数据流事件中的关系分析,而且与其他算法相比,能有效提高网络行为检测的查准率。

面向高速网络的数据流处理系统研究

高速网络中产生大量的数据流,以多重、持续、快速、时变形式到达。在处理这些需要实时响应的大容量数据流时,传统数据库管理系统的基本结构存在很大的局限性。文章从数据流的特性出发,分析了传统数据库管理系统的局限性和数据流处理的设计要求,对数据流处理模型设计和评价提供有价值的参考。

网络数据流转发优化与流量控制研究

通过探讨网络数据流的常见捕获和过滤方法,提出了对获得的网络数据流进行检测和分类的技巧;并在此基础上实现了一种优化传递网络数据流的方法。最后指出了在网络数据流量比较大的情况下,合理分配网络资源的研究趋势。

基于Multi—agent的网络数据流软件性能测试方法研究

应用系统整体性能欠佳,可能导致系统在大业务量时出现功能、效率和安全性问题。现代的信息系统中新型软件架构层出不穷,软硬件和网络通讯之间的相互关联作用日益复杂,加大了系统性能瓶颈查找的难度。探讨如何通过多智能代理技术等方法,截取、分析和回放网络数据流来评价软件系统的性能。

用多智能代理和网络数据流测试应用软件性能

现代信息系统中新型软件架构层出不穷,软硬件和网络通讯之间的相互关联作用日益复杂,加大了系统性能瓶颈查找的难度。文章探讨如何通过多智能代理技术等方法,截取、分析和回放网络数据流来评价软件系统的性能。