大型IP网络流量矩阵分析预测的探讨研究

高效、准确的网际协议(internet protocol,IP)网络流量流向分析预测是网络规划建设的基础。通过部署流量采集分析系统,运营商可轻松获取网络总流量、节点流量、节点分方向流量等较完备的历史基础数据,为流量分析预测提供关键的输入。IP网络流量分析预测方法主要包括两类:传统统计模型和神经网络模型,近年提出的NeuralProphet模型因结合两者优点而得到广泛关注和应用。首次基于NeuralProphet模型对大型运营级IP网络源节点到目的节点的流量流向进行直接预测,并采用改进的损失函数优化模型训练,预测结果表明NeuralProphet模型能够更科学、准确地预测IP网络流量矩阵,整体预测精度提升了8.7%,同时模型扩展性和鲁棒性也具有更佳的表现,可以更好地满足IP网络规划建设和运行维护的实际需求。

流量矩阵估算的研究

流量矩阵是许多网络规划和流量工程任务的关键输入,精确的流量矩阵至关重要,但直接监控非常具有挑战性.因此,如何根据对有限链路的测量数据和路由信息等先验信息,通过合理建模来推断流量矩阵,成为重要的研究课题.首先给出了流量矩阵的基本概念和估算原理;然后对近年来提出的20多种不同的解决流量矩阵估算问题的方法进行分类剖析,总结了目前流量矩阵估算方法的最新研究进展,并讨论了部分方法的性能和估算误差;最后讨论了未来流量矩阵估算的研究趋势和应用前景.

大尺度IP骨干网络流量矩阵估计方法研究

流量矩阵估计是当前的热点研究问题,它被网络操作员用来进行负载均衡、路由最优化、流量侦测、网络规划等等.然而,流量矩阵估计本身固有的高度病态特性,使得精确地估计流量矩阵成为具有挑战性的研究课题.本文研究大尺度IP骨干网络的流量矩阵估计;基于RBF(Radial Basis Function)神经网络,提出一种新的估计方法TMRI(Traffic Matrix Recurrence Inference).TMRI利用RBF神经网络强大的建模功能来建模流量矩阵估计问题,将这一问题的病态特性克服于RBF神经网络的训练过程中,从而避免复杂的数学建模过程.并在所建立的估计模型基础上,将流量矩阵估计描述为约束条件下的最优化过程,通过迭代寻优,TMRI能进一步克服这一问题的病态特性.仿真结果表明TMRI能精确地估计流量矩阵和追踪它的动态变化,与以前的方法相比,具有更强的抗噪声性能和显著的性能改善.

基于IP/MPLS网络的动态业务流量矩阵测量模型

IP网络动态业务流量矩阵的测量是业务量工程研究中的一个难点,本文提出了一种面向IP/MPLS骨干网络的基于LSP级的动态业务流量矩阵测量模型。该模型能够获取网络边界处对应于每一条LSP的路径转发信息,并根据每一条LSP上的测量结果,计算得知全网的业务流量矩阵。文中证明该测量模型是可行的,并给出了相关的算法及其性能分析。模型的优点是测量只在网络边界处进行而不涉及网络核心,故引起的网络开销较小。另外模型所需的算法复杂度低,仿真结果显示测量模型是有效的。

流量矩阵估算算法研究

流量矩阵是许多网络规划和流量工程任务的关键输入,但直接监控非常具有挑战性。因此,如何根据有限的先验信息,通过合理建模来估算流量矩阵,成为重要的研究课题。已有的估算方法中,卡尔曼方法是一个相对高效和精确的方法,然而,它在实际网络环境中使用时存在"坏态"现象,导致数值计算困难。提出了平方根滤波/平滑流量矩阵估算算法对卡尔曼方法进行改进;并针对新算法的需要,提出了流量数据预处理的方法,可滤除有大量噪声的"坏"数据。模拟仿真结果显示新算法的精确性和稳定性都优于卡尔曼滤波方法。

流量矩阵估计研究综述

随着Internet网络的快速发展,网络操作员迫切需要知道网络中数据的流动情况,以便更好地进行网络管理、网络监控、网络设计和网络规划等网络流量工程管理。流量矩阵作为网络流量工程的重要输入参数,已受到国内外研究人员的广泛研究,现已成为Internet的一个重要研究方向。本文介绍流量矩阵研究的现状,并从性能上分析和比较各种研究方法,最后讨论流量矩阵研究的技术难题,并指出新的发展方向。

基于网络层析成像的光网络流量矩阵估计方法(英文)

提出一种面向光传输网络的流量矩阵估计方法.采用压缩感知理论研究光传输网络中的流量矩阵估计,根据信号稀疏表示将流量矩阵稀疏化,基于矩阵变换理论提出新的面向光传输网络的网络层析成像模型.该模型克服了已有网络层析成像模型的病态特性,并通过凸优化来获得流量矩阵的估计等式.提出了具体的估计算法,获得关于光传输网络流量矩阵的精确估计.真实网络的数据仿真表明所提出的方法是有效和可行的.

基于高斯混合模型的流量矩阵估算研究

针对源-目的流量估计解的不稳定性和求解方法的复杂性,提出一种基于高斯混合模型的流量矩阵估算算法,它充分利用高斯混合模型的物理意义,使数据聚类的次数减少,并利用Expectation-Maximization算法估算出模型的参数,提高求解的稳定性。实验结果证明了该方法的有效性。

基于广义线性反演的流量矩阵估计算法

针对源—目的(OD)流量估计解的不稳定性和求解方法的复杂性,将广义线性反演应用于大尺度网络流量矩阵估计,降低求解方法的复杂性;采用奇异值分解(SVD)获得阻尼系数,提高了求解的稳定性;采用历史均值和链路测量数据相结合决定反演初值,降低多解性。Abilene网络的实际数据仿真结果表明,提出的算法能够在保证较高实时性的前提下,提高计算精度。

因特网流量矩阵的流形结构

当前,流量矩阵已经被广泛应用于异常检测、流量预测、流量工程等领域,但是现有研究仅仅发现流量矩阵存在线性结构。为了寻找流量矩阵中可能存在的非线性结构,构建流量矩阵模型并从实际因特网骨干网Abilene中采集流量矩阵数据集,应用经典的流形学习算法进行实测数据分析,发现这些高维(81维或121维)的流量矩阵数据集实际上是嵌入的固有维度为5维的低维流形,且其受采样密度和噪声数据等各种因素的影响呈现出不同的结构。

一种基于信息熵的关键流量矩阵发现算法

研究关键流量矩阵发现问题,提出了近似算法MinMat.引入信息熵和耗费函数等概念,计算流量矩阵的信息熵,选取信息熵较大的若干个矩阵作为候选关键矩阵,然后对最小耗费的簇进行合并,直到最后获得需要的流量矩阵.使用Abilene提供的网络流量矩阵进行实验,使用Totem模拟验证了MinMat算法选择结果的有效性.理论分析与实验结果表明,MinMat比K-means层次凝聚CritAC效率更高,选择结果具有更好的代表性.

基于动态流量矩阵的网络链路权值调整方法

对基于动态流量矩阵的流量均衡问题进行建模,以最小化最大链路利用率为目标分别建立了期望值模型和机会约束模型,并且采用基于流分析的方法计算链路的权值增量,使部分流不再经过利用率最大的链路.仿真实验结果表明:无论是针对期望值模型还是机会约束模型,在已知动态流量矩阵统计特性的情况下,基于流分析的链路权值调整方法都能在只改变利用率最大的链路的权值时,依然保证网络失效后流量基本均衡.

一种基于回归方程的流量矩阵研究

为了对网络进行有效的测量和管理,对流量模型的研究是非常重要的。论文研究了相关的流量模型,提出了一种基于回归方程方法的流量模型,证明了该方法的有效性,获得了最终仿真结果。该模型的核心有三点:(1)通过主动测量的方法获得路径流量和流量分配概率;(2)通过流量和流量分配概率计算结点对流量;(3)推导了回归方程。

基于流量矩阵估算的流量测量模型

网络流量的测量是流量矩阵估算数据来源的基础。在全面总结了当前的流量测量技术的基础上,从流量矩阵估算的角度提出了一种流量测量模型,引入了适用于流量矩阵估算的测量服务和数据服务的概念,同时对模型的通信机制和数据存储机制进行了探讨,该模型的实现对流量矩阵估算具有非常重要的意义。

资金流量矩阵表预测中的DRAS法研究

在投入产出分析中RAS法已被广泛应用,主要用于对预测期的投入产出消耗系数矩阵进行修订和预测。随着研究的深入,RAS法有了很多改进,但如果需要两个矩阵共同平衡预测的时候,常规的RAS法或改进的RAS法都难以完成,而对资金流量矩阵延长表的预测,正是需要同时预测两个平衡矩阵的情况。鉴于此,讨论了一种双矩阵RAS(Double Matrix RAS,DRAS)的平衡方法,对这种方法进行了数学表述,并就其在资金流量矩阵表预测中的应用给出了说明。

IP骨干网络流量矩阵估计算法研究

流量矩阵估计的高度病态特性,使得要精确地估计流量矩阵变得非常困难,如何克服这一问题的病态特性是当前面临的主要挑战。该文研究大尺度IP骨干网络流量矩阵估计问题,并利用BP神经网络的强大建模功能来捕捉流量矩阵的特征,通过将流量矩阵估计描述成约束条件下的最优化过程,能成功地克服这一问题的病态特性。仿真结果表明基于BP神经网络的估计算法具有明显的性能改善。

基于流量矩阵和Kalman滤波的DDoS攻击检测方法

针对分布式拒绝服务(DDoS)攻击产生的流量往往对路由器造成难以承受的负担的问题,提出一种既能减轻路由器负荷又能快速准确检测DDoS攻击的方法。该方法首先在路由器中构造端口对之间的流量矩阵来准确描述DDoS攻击的流量汇聚特性,然后利用Kalman滤波对流量矩阵进行估计,接着使用GLR统计测试进行异常检测,进而判断路由器端口是否受到DDoS攻击。最后,基于实际数据进行了仿真实验,结果表明,所提方法相比主成分分析(PCA)方法具有更高的检测率、更低的误检率和更小的检测延迟。

中国金融资金流量矩阵表延长模型研究

金融资金流量矩阵表具有重要的应用价值,然而我国资金流量表只采用账户表式,而且数据滞后严重,使其应用价值难以实现。本文在对资金流量矩阵表表式结构、账户分类和平衡关系进行深入理解的基础上,将计量经济模型中的多元回归模型、时间序列模型、状态空间模型及RAS模型有效地组合在一起,设计了一套延长金融资金流量矩阵表的组合模型,然后应用该模型将我国金融资金流量矩阵表从2009年延长至2012年。经后验法检验,数据质量达到了一个较为理想的状态。这套模型可以作为官方统计机构或民间研究机构延长资金流量表数据的通用方法。

基于模拟退火算法的流量矩阵估算

流量矩阵估算用以对网络中OD对间的流量分布情况进行获取,在网络优化、规划和网络异常流量监测等网络管理应用中具有重要的意义.介绍了流量矩阵估算问题的数学描述,介绍了模拟退火算法.为了克服流量矩阵估算模型的高度病态性,提出采用基于模拟退火算法的流量矩阵估算算法,该算法能有效的克服估算模型的病态性,并降低了求解的复杂性.在进行仿真试验过程中,用校园网局部网络实际数据与其做比较,结果表明,该算法能够获得较高的OD流估算精度.

基于奇异值分解的流量矩阵估算研究

针对OD流估计解的不稳定性和求解方法的复杂性,本文提出了一种基于奇异值分解的流量矩阵估计方法,通过研究OD流集合的主要成分,即特征流向量来解决病态的线性逆问题,最终将流量矩阵的估计问题转化为一个简单的伪逆求解问题,这样有效降低了算法的复杂性,并较好的解决了估计的病态性问题.通过仿真分析表明:该方法在估算精度和计算复杂度方面都有较好的改善.