一个基于实际测试的网络流量模型

网络流量模型是网络性能评价、网络协议设计和网络规划等的基础。本文设计了一种基于实际网络测试的时间相关流量模型的方法 ,采用该流量模型预测网络流量。文章提出了网络流量预测精度的数学定义。网络测试实验表明 ,此流量模型具有更高的精度 。

网络流量的半马尔可夫模型

引入半马尔可夫模型描述网络流量特性,通过忙阈值和闲阈值的设定将网络流量划分为四种状态:忙、空闲、上升和下降,研究各状态下的网络流量特性及各状态间的相互转换关系.通过网络协议性能分析,在一定的假设条件下推出IP网络流量在处于忙状态时服从几何布朗运动,在空闲状态下服从正态分布,在上升状态或下降状态下服从指数分布.对广域网和局域网的实际流量数据的分析和检验表明,95%的数据均服从相应状态下的上述随机分布,同时根据此模型计算的系统平均利用率与实际统计结果之间的相对误差小于5%,说明引入的模型能真实反映网络流量特性.

基于小波变换和时间序列的网络流量预测模型

随着互联网规模和应用的扩大,网络数据流量呈现出复杂多分形性的特点,针对这个特性,构建了基于小波分析和ARMA模型的网络流量预测模型,用Mallat算法将原始流量数据分解为4个分层数据,对各层数据用ARMA模型进行预测,再将各层预测数据重组为预测的网络流量.采用真实数据进行仿真的试验表明,基于小波分析和ARMA相结合的网络流量预测模型的预测结果具有较高的准确度,并在网络管理和优化中具有重要实用价值.

采用回归方法优化网络流量管理模型处理性能

为探索优化网络流量管理性能的有效途径,在分析"深度报文检测和深度流行为检测"网络流量管理模型结构的基础上,确定了影响网络流量管理效率的性能指标及其计算方法,通过实际抽样流量数据计算性能指标值,建立性能指标关系散点图,发现性能指标间呈线性特征,采用多元回归方法建立性能指标估计函数,并利用标准化残差估计方法验证了函数的可用性和适应性,从而得到优化网络流量管理性能的定量计算方法。

自相似网络流量模型研究

对自相似网络流量模型进行了研究分析。综述了目前国内外在网络流量长相关特性和自相似网络建模以及基于自相似网络环境的拥塞控制机制研究方面所获得的主要成果。分析了各种模型的特点,进行了分类和评价,并对模型的意义进行了初步的探讨,提出了有待进一步研究的问题,对自相似业务相关研究具有一定的指导意义。

基于瀑布过程的网络流量模型

分形或自相似模型可以很好地描述网络流量过程的长程依赖性 ,却无法真实地刻画网络流量过程在小尺度上的奇异性 .论文从另一个角度 ,研究并建立了基于瀑布过程的瀑布模型 ,并对真实的网络流量数据进行模拟分析 ,发现瀑布模型从一定程度上解释了实际网络流量中的尺度特性 ,它能准确地刻画网络流量在小尺度上的奇异性 .通过对模拟数据的尺度分析证明 。

基于网络流量半马尔柯夫模型的流量预测

引入了半马尔柯夫模型描述网络流量特性,并在该模型的基础上分析推导了相应的流量预测方法。分别对广域网和局域网不同时间尺度统计的实际流量数据进行分析和短期、长期预测,所有数据的实际预测精确度均小于预先设定的置信度。说明引入的模型能真实反映网络流量特性,基于该模型的流量预测方法具有良好的预测性能且适用于不同长度的预测。

一种天地一体化智能网络流量模型

针对天地一体化智能网络流量具有长相关,且突发性强的特点,通过对多分形小波模型构造系数分布合理化选取,构建了基于威布尔分布的混合小波网络流量模型(W_OWM,Weibull of wavelet model).模型结合独立小波模型的长相关描述能力和多重分形模型的短期突发描述能力,选取威布尔分布重构流量,解决了传统多分形小波模型构造系数的分布选取与实际流量分布特性无关的问题,该模型能够准确、有效的描述天地一体化智能网络流量的行为特征.仿真分析表明:W_OWM重构流量表现了突出的重尾特性,与实际流量的分布特性相似,W_OWM多分形谱的描述贴合于实际流量多分形谱,更能体现流量的长相关性.

Internet流量模型分析与评述

Internet流量模型对网络性能管理、QoS、准入控制等都有很重要的意义和作用.首先总结了现阶段已发现的主要网络流量的特性及相关度量参数,概要地介绍网络流量建模的意义和分类,然后按照"传统-自相似-流量建模的新发展"这3个阶段阐述网络流量建模的发展历程与最新的研究成果,最后针对目前网络流量建模中存在的难点问题,展望了该领域未来的研究发展方向.

一种网络流量分布特性的综合分析方法

网络流量分布特性是众多网络应用的基础。提出一种网络流量特性的综合分析方法。首先对获取的流量样本进行时间尺度化处理,之后引入半马尔可夫模型描述网络流量特性,通过忙阈值和闲阈值的设定将网络流量划分为三种状态:忙、中间、空闲,研究各状态下的网络流量特性及各状态间的相互转换关系,然后建立了基于参数估计和非参数估计分布模型库,最后进行分布拟合。该方法适用于对所有协议的网络流量分析,比使用单一分布模型分析更合理。实例分析证明该方法是正确、有效的。

基于流时间影响域的网络流量异常检测

针对如何提高网络流量异常行为检测准确率的问题,提出基于网络流时间影响域(TID)的网络流量检测模型.通过分析正常和异常情况下流量网络模型平均度的变化,构建了基于复杂网络平均度指标的网络流量异常检测算法.实验结果表明,基于网络流时间影响域的流量网络模型能合理地描述网络流量间的依赖关系,具有良好的检测性能,同时该网络模型仅需时间戳、源IP、目的 IP三维网络特征即可实现,检测方法适用于绝大多数网络类型,检测效率优于其他网络流量异常检测方法,具有较高的普适性.

用于DDoS攻击检测的自相似网络流量生成

由于DDoS攻击会破坏或者影响网络正常流量的自相似特性,据此来检测DDoS攻击是一种行之有效的方法;然而如何生成网络正常流量,是DDoS攻击检测的一个关键部分。描述了一种生成自相似网络流量的方法,并运用该方法实现了生成自相似网络流量的网络流量模拟子系统,解决了DDoS攻击检测所需的正常流量问题。

基于t-SNE降维预处理的网络流量异常检测

网络流量中大多数流量都是正常的,但经常会出现偏离正常范围的异常流量,主要由DDOS攻击、渗透攻击等恶意的网络行为引起,这些异常行为通常会导致网络质量下降,甚至网络直接瘫痪。因此引入网络安全态势的预测,在仅知道正常网络流量的情况下判断网络中的异常。异常检测是一种网络安全态势的预测方法,用来判断网络中是否有异常。现有的异常检测算法由于无法准确提取网络数据包的低维特征导致算法的性能不佳,因此,需要找到网络数据包的准确的低维特征表示,该低维特征表示能够区分网络数据包是正常的还是有攻击的。为此,本文引入基于t-SNE降维的NLOF异常检测算法。该算法采用t-SNE算法自动预处理网络数据包以获得低维的网络数据包特征,之后将得到的低维的网络数据包特征作为NLOF算法的输入进行异常检测。其中,本文的NLOF算法首先采用k-means算法将网络数据包聚类成为K个簇,并将网络数据包数量小于N个的簇标记为异常簇,之后将未被标记为异常簇的网络数据包作为LOF算法的输入进行异常检测。在ISCX2012数据集上的实验结果表明,基于t-SNE降维的LOF算法达到最优性能时,准确率为98.46%,精确度为98.38%,检测率为98.54%,FAR为0.66%。该算法比基于现有最新算法的准确率、检测率和F1分别高3.18个百分点、0.02个百分点和0.01个百分点。基于t-SNE降维的NLOF算法达到最优性能时,准确率为98.53%,精确度为98.86%,检测率为98.86%,FAR为0.32%。该算法比基于现有最新算法的准确率、检测率和F1分别高3.25个百分点、0.34个百分点和0.41个百分点。这是异常检测中首次采用t-SNE算法自动提取低维的网络数据包特征。此外,LOF算法仅能捕获异常点,而本文的NLOF算法能够同时捕获异常点和异常簇。

基于分段IFS分形重建的流量模型

网络流量模型是网络仿真和网络行为研究中的一个基本问题。在分段IFS分形编码重建的基础上提出了一个新的网络流量模型,它基于实际流量的分形重建,所得重建流量变化趋势接近初始流量。在调节因子θ的作用下,重建流量的Hurst参数可以在一定范围内变化,同时重建流量自相关函数曲线与原始流量类似。因此,为网络流量仿真建模研究提供了一种新的选择。

有线网络流量QoS策略研究

有线电视业务具有鲜明的混合流量特征,业务向高清化和多元化发展,对网络带宽、延时、抖动等指标提出了新的要求,本文结合控制层流量和业务层流量分析了有线网络流量模型,其中,公共客户业务包括视频类、宽带上网类和增值类,集团客户业务包括视频类和数据类。基于该模型对各类流量的QoS需求进行分析,提出了流量QoS策略,为有线网络运营商业务运营提供建议。

基于时间槽的自相似流量随机早检测算法——SFRED

分析研究了网络流量的自相似和长相关性,并基于分形布朗运动模型导出了自相似流量环境RED算法分组丢失概率的一种计算方法,从而提出了基于时间槽的自相似流量随机早检测队列管理算法SFRED。该算法在每个时间槽内计算一次分组丢失概率,大大降低系统负担。NS2仿真实验表明SFRED算法性能明显优于RED,能够很好地在自适应流背景下控制队列长度,并具有良好的吞吐量性能。

通信网络流量建模和加权公平队列性能分析与实践

通信网络流量建模和排队性能分析问题对网络服务质量管理、带宽调度优化等具有重要的意义和作用.该问题也是华为公司2019年提出的通信领域十大挑战问题之一.基于和华为公司合作的研究项目,本文主要研究路由器输出端口的网络流量建模和排队性能分析问题.区别于传统的话音业务流、高速网络业务流强度变化显著,存在相关性和突发性,需要研究表达能力更强的网络流量模型.本文首先设计了基于批马尔可夫到达过程(batch Markov arrival process,BMAP)的网络流量模型拟合算法.其次,基于路由器输出端口的网络业务流服务传输机制,本文建立了加权公平队列(weighted fair queueing,WFQ)服务机制下的BMAP/PH/1排队系统模型,推导了该网络流量排队模型的系统状态平稳分布及其排队性能指标(平均队长,时延等).最后,利用华为公司测试网络流量样本数据,对本文建立的网络流量模型及其参数拟合算法进行了数值实验,对比分析了网络流量排队性能的理论和仿真结果.实验效果证明了本文研究的网络流量模型和排队性能分析方法的有效性.

云存储与网络相互影响的研究

目前对云存储产生的网络流量缺乏系统研究,在分析云存储业务实现机制基础上,设计云存储业务自动测试工具,提出云存储业务的网络流量估算模型,并实际测量各种网络服务质量(QoS)条件对云存储用户体验的影响。实验数据表明,云存储业务会产生几十Gb/s的数据洪流。不同类型服务器的事务时延存在差异,云存储对丢包率的容忍度为2%,4 Mb/s～6 Mb/s带宽具有较高性价比。降低网络时延、丢包率、提高接入带宽可提升云存储用户体验。基于网络能力感知的云存储服务架构可以确保较好的网络QoS,与网络扩容相比,具有投资小、部署快、能充分利用现网资源的优势。

大型公园道路网络关键节点脆弱性评价

为更加科学有效地辨识景区道路网络中的客流关键节点,以节点脆弱性为度量指标,提出1种基于FIM模型的关键节点脆弱性评价方法。以某大型公园为例,首先通过ArcGIS软件将该公园的道路网络信息转换成可编译的文本信息,经过Java枚举可行路径,然后利用嵌入FIM算法的Lingo进行优化,得出网络节点的重要度。最后综合节点容量、流量、吸引度等信息加权得出网络节点的脆弱性。结果表明:该方法能够有效地对道路网络节点进行脆弱性度量并排序,景区可据此制定相应的客流导向方案以提高景区资源的利用率,提高游览的安全性。

基于网络流量模型方法的网络流量分析研究

阐述了网络流量模型的理论及研究现状,指出网络流量分析预测是网络规划设计的一项重要工作。提出了一种基于网络流量模型的网络流量分析方法,依据网络流量统计数据归纳总结出网络流量模型,在实际网络环境中进行测试和验证,并在此基础上对电网企业"SG-ERP"工程信息通信网络流量的需求进行了预测和分析。