网络成像测井专利分析

成像测井技术是为适应复杂油气藏,比如裂缝、薄层、各向异性等油气藏的勘探、开发而发展起来的。它的出现使地层评价更加完善,使油藏描述更加准确,特别是可以对薄层、复杂岩性和裂缝特性等复杂结构的油气藏进行评价,提高了复杂油气藏的勘探和开发效益[1]。随着测井技术的发展,出现了数量较多的专利文献。为了充分利用最新专利情报信息,推进专利技术开发,取得专利竞争优势,在充分调研国内外网络成像测井系统的基础上,进行测井技术检索技术点拆解,制定专利检索策略,筛选检索的专利文献结果,分离有效专利,对专利文献进行宏观分析,为制订网络成像测井专利战略和研发方向提供信息支持。

基于网络成像技术的通信工程监理研究

通信工程作为我国现有工程建设中较为重要的一项工程建设,在其整个工程建设中,应该按照通信工程建设中的要求,将整个工程建设中的网络成像技术应用落实,保障在其技术的应用落实中,能够提升整个工程监理的实施效果.作为通信工程项目建设管理者,应该按照其整个工程建设监理工作规划需求,将整个工程建设中的网络成像技术应用整合.鉴于此,本文针对基于网络成像技术的通信工程监理研究,以鼎信建设监理有限公司管理的通信工程监理项目为例进行了分析,希望在本文的研究帮助下,能够为通信工程监理中的网络成像技术应用提供参考.

AntiMNT:一种对抗多源网络层析成像的拓扑混淆机制

作为一种典型的网络拓扑推断方法,网络层析成像技术可以被攻击者用来准确推断目标网络的拓扑结构,进而向关键节点或链路发起有针对性的攻击行为。为了有效隐藏真实的网络拓扑结构等信息,提出了一种基于主动欺骗方式对抗多源网络层析成像探测的拓扑混淆机制AntiMNT。AntiMNT针对多源网络层析成像的探测过程,策略性地构建虚假拓扑结构,并据此混淆攻击者对目标网络的端到端测量数据,使其形成错误的拓扑推断结果。为了高效生成具有高欺骗特征的混淆网络拓扑,AntiMNT随机生成候选混淆拓扑集,并在此基础上用多目标优化算法搜索具有高安全性和可信度的最优混淆拓扑。基于几种真实网络拓扑的实验分析表明,AntiMNT可以生成高欺骗性和安全性的混淆网络拓扑,从而能够有效防御基于网络层析成像的网络侦察。

对抗多模式网络层析成像的拓扑混淆机制

网络层析成像技术能通过测量目标网络的端到端性能测度来推断其拓扑结构,进而为攻击者开展更加精准的网络攻击行为提供支持。尽管网络拓扑混淆技术为对抗这类侦察行为提供了一种解决思路,但现有的网络拓扑混淆技术在探测模式识别准确度、对抗行为有效性等方面仍存在不足。为此,提出一种对抗多模式网络层析成像的拓扑混淆机制M2NTO。针对网络层析成像模式多样化的特点,M2NTO基于增量更新的动态决策树分类算法,构建一种能够在线对抗多样化探测行为的端到端性能参数扰动方法,以应对不同模式的层析成像拓扑探测手段。在多种典型真实网络拓扑上的仿真实验表明,M2NTO在多个场景中都能够以在线的方式准确识别不同模式的探测行为,探测流识别准确率在多个场景下都达到了98%以上,误报率维持在2%之内,探测流分类准确率达到95%以上,在此基础上,通过扰动相应的性能测度干扰攻击者的推断结果,使攻击者推断的网络拓扑与真实网络拓扑的相似度下降到60%以下,有效增强混淆拓扑生成的效能。

基于网络层析成像技术的拓扑推断

网络层析成像是近年来新兴的一种网络测量技术,该技术结合了网络测量和统计推断,可以解决网络测量的部分难题.网络拓扑推断是网络层析成像技术的重要应用之一,基于网络层析成像技术的拓扑推断通过端到端的测量即可推断网络内部的拓扑结构,而不需要内部节点的合作.系统地总结了基于网络层析成像的拓扑推断技术的研究现状,对国内外研究进展进行了讨论,最后讨论了当前拓扑推断中存在的问题,并讨论了未来的研究方向.

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.

网络层析成像研究综述

网络层析成像技术作为通信网络、层析成像技术和统计学理论相结合的产物,是一种全新的网络链路级参数推理、拓扑结构识别和OD(Origin-Destination)流估计的技术。在简要介绍网络层析成像的基本概念和数学模型的基础上,本文从网络链路级参数的推理、网络拓扑结构识别和OD流的估计3方面介绍了网络层析成像的研究现状,分析和展望了一些有价值的新发展,并指出了下一步的研究方向。

层析成像技术中的自适应网络拓扑推断算法

基于层析成像技术的网络拓扑推断由于采用单一的网络性能参数而在推断时受到网络负载的影响.为了减少单一参数在推断时的限制,提出了一种单播网络中自适应结合多种网络性能参数的拓扑推断算法,该算法能适应不同网络负载的环境并且在应用时仅需适量的计算而无需增加测量流量.分析了自适应拓扑推断算法的正确性并通过NS2进行了仿真,仿真结果表明自适应网络拓扑推断算法能在不同网络负载的环境下准确的推断网络拓扑.

基于k阶马尔可夫链的单播网络丢包层析成像

该文针对时域相关的网络链路丢包估计问题,提出一种基于k阶马尔可夫链的单播网络丢包层析成像方法。该方法首先引入k阶马尔可夫链描述网络链路丢包过程,然后用最大伪似然方法估计k阶马尔可夫链链路丢包模型的状态转移概率。当k足够大时,该文方法可以根据单播端到端测量数据,准确地估计出网络链路上每个数据包丢失的概率。ns-2仿真验证了该文方法的有效性。

一种非平稳网络链路丢包率层析成像方法

现有网络链路参数估计方法大都假设网络链路状态在测量周期内是平稳的,不能获得网络链路参数的时变特征。该文提出了一种非平稳的网络链路丢包率层析成像方法。假定在一个相对较小的时窗内,丢包率随时间变化的曲线可用一个k阶可导的函数来描述;用网络层析成像的方法求得这些函数的k阶泰勒展开式;然后根据各时窗内的逼近结果,用反比距离加权估计整个测量周期内链路的时变丢包率。NS2仿真验证了该方法能有效追踪链路丢包率的变化,且优于现有的网络链路丢包率层析成像方法。

一种非平稳网络延迟层析成像的方法

网络层析成像将医学、地震学等领域成熟的层析成像理论应用于通信网络领域,它通过基于端到端测量来估计网络内部的行为,为目前在国际学术界备受关注的新技术之一.本文提出了一种基于递归多感知器网络(Re-current Multilayer Perceptron:RMLP)延迟时变参数的追踪算法,该算法能够在没有任何先验信息条件下追踪非平稳网络链路平均延迟,估计链路延迟的概率密度分布.仿真实验也验证了以上两点,同时本文提出的算法比序贯蒙特卡洛(Sequential Monte Carlo:SMC)方法[9]具有更小的估计误差.

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。

改善多源网络层析成像的可辨识性

多源网络层析成像采用多源多目标的网络端到端测量,可获得网状的拓扑结构,突破了一般拓扑识别方法只能识别树状拓扑网络的限制。针对现有方法存在的可辨识性问题,通过提取网络基本分析单元(两个源,两个目的节点的子网)的层次特征来获得其完整的拓扑信息,并提出了可辨识任意网络的融合算法来合并基本分析单元的拓扑信息,估计网络网状拓扑结构。论证了该文方法具有更强的可辨识性,仿真实验也证明了这一点。

层析成像技术在网络属性估算中的应用研究

网络层析成像技术在网络属性估算中的应用主要分为网络拓扑判定和链路属性估算两个重要应用。主要讨论通过对网络上的主机进行单播的测量来获得网络的逻辑拓扑及链路属性,并提出进行网络属性估算的新方案。首先介绍基于延时的"三明治"测量方案和相关网络拓扑判定算法,随后通过实验对网络拓扑判定的系统聚类树算法进行了分析,在此基础上提出进行网络属性估算的新方案。

网络链路性能参数估计的层析成像方法综述

网络层析成像能够在网络内部节点不提供测量协作的情况下,根据端到端的测量结果,间接地估计网络内部链路性能参数,是一种重要的网络测量手段,能直接指导网络管理和网络优化,目前受到国内外学术界和工业界广泛的关注.在广泛收集国内外资料的基础上,首先总结了目前网络层析成像使用的主要端到端测量方法和技术;再根据不同参数对链路性能刻画程度的不同,将链路性能参数的网络层析成像方法分为两类:定量参数推断方法和定性参数推断方法;然后,针对不同类型参数的估计问题,概括分析了现有算法的特点;最后指出该类方法未来的研究方向与潜在的应用前景.

网络拓扑识别:基于traceroute的层析成像方法

针对传统的网络拓扑识别方法(如traceroute)无法完成包含不协作节点的拓扑识别以及基于网络层析成像技术的拓扑识别方法的复杂性和不确定性问题,提出一种基于traceroute的层析成像技术的拓扑识别方法。该方法可通过提出的最小相似度聚类算法和匿名节点构造归并算法,将网络层析成像获得的拓扑信息与trace-route探测结果融合,构成最终的拓扑结构。NS2的仿真表明,该方法不仅可识别包含不协作节点的网络拓扑,且所使用的探测包的数量也大大减少。

基于递归神经网络的非平稳网络丢包层析成像

为了提高互联网的管理和控制水平,进而优化配置网络资源,一种新的估计网络内部参数的方法"网络层析成像"得到了广泛关注。提出一种基于递归神经网络的非平稳网络丢包层析成像方法,利用递归多层感知器求解非平稳网络丢包模型。采用NS2仿真工具进行实验,证明了该算法能够自适应非平稳网络丢包率随时间变化而产生的波动,以实时追踪网络内部链路的丢包率。

脑功能性近红外光谱技术在新生儿领域中的研究进展

功能性近红外光谱技术(functional near-infrared spectroscopy,fNIRS)是一种新兴的神经影像学检查工具,根据神经血管耦合机制,通过监测脑氧代谢的变化反映脑部神经元的活动功能,无创便捷,尤其适合新生儿脑功能监测。该文对新生儿语言、音乐和情绪的脑网络发育规律,新生儿护理的脑网络成像,静息态脑网络连接规律,以及疾病状态下脑功能成像特点等方面的fNIRS相关研究进行综述。

Tomography技术中的多参数网络拓扑推断

为了减少拓扑推断中采用单一参数在推断时的限制,提出了一种结合端到端时延和丢包率的算法,该算法在应用时仅需适量的计算而无需增加测量流量,并且该算法能适应不同负载的网络环境.理论分析了多参数拓扑推断算法的正确性并通过网络仿真器(NS2)进行了仿真,仿真结果表明,多参数的网络拓扑能在不同负载的网络环境下准确地推断网络拓扑.

基于层次分解的网络链路时延分布快速推测算法

为提高离散时延模型下的网络链路时延分布的测量速度,该文提出一种基于层次分解的网络链路时延分布快速推测算法。按照树型网络拓扑的层次对端到端路径时延进行子树分解,以子树作为链路时延分布计算的基本单元,减少端到端路径时延分解到链路时延后造成的冗余计算,缩短链路时延分布的计算时间。仿真实验结果表明,该文提出的算法能够在不损失测量精度的条件下,有效缩短测量总时间,提高链路时延分布的测量速度。