基于OSPF协议的网络拓扑发现算法

基于SNMP和ICMP的网络拓扑发现算法采用主动探测手段,在获取拓扑信息时会注入额外的网络流量,易造成实时性较差、网络性能受影响等问题,因此,提出了一种基于OSPF协议的网络拓扑发现算法。该算法采用被动监测方式,通过Jpcap捕获OSPF协议中的链路状态更新报文,分析其中的Router LSA和Network LSA,获得路由器之间的链路类型等网络拓扑信息,进而在不影响网络性能的前提下发现拓扑结构。实验结果表明,该算法能够快速准确地获得完整的网络拓扑结构。

混合模式的网络流量分类方法

为了更好地满足用户对各类Internet业务服务质量越来越精细的要求,流量分类是网络管理的重要环节之一。通过分析、对比基于端口号匹配、特征字段分析和流统计特征的机器学习分类方法的应用现状及其优缺点,针对单一分类方法存在的分类准确度不高、分类时间长等问题,提出一种混合模式的网络流量分类方案。此方案结合端口号匹配和机器学习分类方法,采用输出结果可视化的自组织映射网络算法实现网络流量在应用层的分类。实验表明,该方案能有效地实现对网络流量应用类型的分类,分类结果可视化效果好。

用于网络管理系统的智能轮询策略

为提高网络性能管理与故障管理的实时性和效率,研究信息收集轮询策略,提出一种基于马尔可夫链的智能轮询算法。该算法能根据被监视对象参数值的变化,动态调整轮询间隔时间。实验结果表明,与传统等时间轮询算法相比,该算法可以更准确地刻画数据变化特征,降低数据采集失真度并减小网络带宽,其效率和可靠性较高。

基于Dijkstra的无线传感器网络分簇路由算法

提出一种基于Dijkstra的无线传感器网络分簇路由算法——DEUC。该算法将改进的Dijkstra算法应用到簇间路由机制中,寻找簇头到基站的最短路径,使得离SINK较远的簇头节点沿着最短路径传输信息,从而有效减少传输路径长度与相应的网络延时。该算法还将传感器网络进行区域划分,使得距离SINK较近的簇头拥有少量成员节点,因此,靠近SINK的簇首可以为簇间的数据转发预留能量,达到均衡簇头能量消耗的目的。仿真结果表明,该算法在延长网络生存周期方面相比低功耗自适应分簇路由协议(LEACH)和能量高效的非均匀分簇算法(EEUC)分别提高约35%和25%。

网络流量分类方法的比较研究

实施有效地网络管理,首先要对网络流量按照应用类型不同进行准确分类。由于目前传统的基于端口号匹配和特征字段分析的流量分类方法不能很好的满足网管需要的现状,因此,针对这两种方法在应用中存在的问题进行了分析,并与目前研究较多的基于流统计特征的机器学习分类方法进行比较。研究后结果表明:该方法包括有流样本的形成、特征选择过程和机器学习分类过程3个关键步骤,可通过网络流量的统计特征,采用机器学习方法进行准确分类。

基于拓扑势的网络拓扑建模方法

针对现有拓扑建模研究中层次型模型不满足幂率分布规律的问题,提出一种基于节点拓扑势与幂率特性的层次化网络拓扑建模方法,给出拓扑生成算法PPHM。通过计算拓扑势实现网络节点的分层,能准确发现网络中的重要连接。对平均最短路径长度等拓扑参数的比较结果证明了该方法的有效性。

基于PMSI网络拓扑编辑工具的设计与实现

网络拓扑信息在网络管理、网络安全研究以及网络性能分析等方面占有举足轻重的地位,如何获取和利用网络拓扑信息也是众多研究所关注的一个热点。然而,传统的拓扑图绘制都仅仅展现网络设备之间的逻辑关联,无法将设备的物理位置描绘清楚。文中给出一种新的基于公共地图服务框架的网络拓扑图手工绘制工具的设计方案,使得网络设备的物理位置和逻辑关联都可以体现在拓扑图中,提高了网络管理的效率。

基于簇的无线传感器网络路由协议分析

无线传感器网络路由协议分为平面路由协议和分簇路由协议,分簇路由具有拓扑管理方便、能量利用高效、数据融合简单等优点,成为当前重点研究的路由技术。着重从簇头的产生、簇的形成和簇的路由这三个过程对当前典型的无线传感器网络分簇路由算法和协议进行了研究,并根据路由性能指标对上述算法和协议进行了比较,在此基础之上提出无线传感器网络路由协议未来的发展趋势及研究策略。

基于支持向量回归学习机的网络流量预测

对最小二乘支持向量机的回归算法做了改进,并将其应用到网络流量预测中,在linux下编写网络抓包程序,统计出一个网段节点的流量,与文中算法所得到的预测结果进行对比,实验结果表明,将最小二乘支持向量机用于网络流量的预测,可以取得令人满意的效果.

一种趋势划分的灰色马尔可夫网络流量预测方法

网络流量预测对网络规划、流量管理等方面起着重要作用。针对网络流量数据波动性比较大,在一定范围内呈现某种趋势等特点,将灰色GM(1,1)模型预测和马尔可夫链预测相结合,提出一种趋势划分的灰色马尔可夫网络流量预测方法。该方法以网络流量时间序列建立灰色预测模型,得到流量的拟合值和趋势值序列,通过划分的趋势值序列状态区间构造马尔可夫模型并加以预测。在校园网实际流量预测的实验结果表明,该方法具有良好的预测性能。

一种基于混合核函数的SOM网络流量分类方法

由于传统的自组织映射SOM方法对高维、非线性的网络流量数据的分类性能效果不佳,本文引入核方法,提出一种基于混合核函数的SOM(MIX-KSOM)网络流量分类方法。该方法结合了全局性和局部性核函数的优点,采用径向基函数和多项式函数线性组合构成的混合核函数代替内积作为距离度量,使输入空间中复杂的流量样本在特征空间得以简化。实验结果表明,采用MIX-KSOM方法能较好地对网络流量进行分类,较传统的SOM、采用单一核函数的SOM(KSOM)分类方法性能更好,分类准确率也高于NB方法。

数据场理论在互联网络拓扑建模中的应用

通过对数据场理论的研究以及互联网络拓扑研究现状的分析,将势函数引入到拓扑建模当中,尝试利用节点拓扑势作为依据衡量节点在网络中的重要性进行节点分类,并给出了一个体现互联网络层次性特征的拓扑生成算法。通过实验,证明了将数据场理论应用到拓扑建模研究中具有可行性。

热处理电炉温度网络控制系统的设计与实现

针对热处理电炉温度控制的工艺及控制要求,设计了一种利用RS-485总线将工控机和各种智能控制器互联,构成的经济实用、性能可靠的温度网络控制系统。为提高生产效率及控制水平、降低劳动强度,具体介绍了其硬件组态、网络互联及网络通信的设计与实现。

采用改进LM算法的网络流量分类方法

针对传统的流量分类方法准确率低、开销大、应用范围受限等问题,提出一种有效的网络流量分类方法(GA-LM)。该方法将基于神经网络的分类方法作为网络流量的分类模型,采用L-M算法构造分类器,并用遗传算法优化网络初始连接权值,加速了网络收敛过程,提高了分类性能。通过对收集到的实际网络流量数据进行分类,实验结果表明GA-LM比标准BP算法和L-M算法的收敛速度快,具有较好的可行性和高准确性,从而可有效地用于网络流量分类中。

内部网络用户非法外联监控系统的设计与实现

用户的非法外联行为一直是企业内部网络安全的一个重大隐患。通过对NDIS协议驱动开发技术和Winsock2SPI技术的研究,设计一套基于网络接口设备信息和端口探测的非法外联监控系统。在该系统中使用LSP技术来实现网络阻断,并防止系统被用户强行关闭,从而阻止内部网络用户的非法外联行为,确保内部网络安全。目前已经在校园网中进行应用。

企业内部用户网络访问监控系统的研究与实现

在企业建立的内部网络中,为了防止员工滥用网络资源、通过网络向外传播机密数据,需要对用户的网络访问进行监视和控制。在研究了Winsock2 SPI技术之后,提出一种基于LSP监控用户访问网络的方法,并利用该方法实现了网络访问监控系统。该系统能监视每个用户访问网络的具体情况,可以针对不同用户使用的应用程序制定不同的网络访问控制规则,并且能按制定的规则控制应用程序的网络访问。

基于支持向量机分类的WSN节点定位算法

在研究接收信号强度指示(RSSI)定位和支持向量机分类(SVC)的基础上,提出无线传感器网络(WSN)节点定位算法。将WSN室内定位问题看作以节点RSSI值为特征量的多分类问题,将节点RSSI值转化为节点位置,利用SVC良好的泛化能力,实现符号定位和物理定位,达到较高的定位精度。实验结果表明,该算法的符号定位效果较好,当锚节点密度为20%时,可使98.19%的节点正确定位。

驾驶员疲劳检测系统的研究

为了减少由于驾驶员疲劳驾驶引起的交通事故,提出驾驶员疲劳状态检测系统的方案。使用3×3中值滤波去除噪声和光照对图像的影响,通过对AdaBoost算法的强分类器训练算法改进、级联分类器优化实现人脸的快速检测,在检测到的人脸区域,通过积分灰度投影和从粗到细改进的模板匹配方法对人眼进行准确定位;通过PERCLOS、眼睛闭合时间、眼睛眨眼频率、嘴巴张开程度、头部运动的计算,进行驾驶员疲劳程度的综合判定。实验结果表明,该方法准确率高,兼具了良好的实时性和鲁棒性。

Apriori挖掘频繁项目集算法的改进

针对Apriori算法的不足,提出了一种新的优化算法Napriori。算法从优化产生2-项目集、事务压缩、项目压缩、优化连接等几个方面对Apriori算法进行优化,将散列技术应用于产生1-项目集和2-项目集,将压缩优化和连接优化应用于k-项目集。实验结果表明,Napriori算法运行速度比Apriori算法有了明显的提高。

基于AdaBoost特征约减的入侵检测分类方法

提出一种基于AdaBoost的入侵特征约减算法,利用该算法约减入侵特征中的冗余特征,构造Ada-加权和Ada-域值分类器,并与支持向量机分类器进行对比。设计并实现Linux实时入侵检测实验平台,并将特征约减算法和3种分类方法应用于该平台。实验结果表明,由特征约减算法挑选出来的入侵特征集较优,Ada-加权和Ada-域值分类器的分类效果优于支持向量机分类器,且Ada-域值分类器在测试集上的检测性能最佳。