基于虚拟机的网络安全实验平台的构建

探讨利用虚拟机技术进行网络安全实验平台的构建,以实现复杂的网络环境。介绍了虚拟机的原理及配置方法,实验结果表明所构建的虚拟环境达到了与真实网络环境完全相同的效果。     

虚拟机技术在网络安全教学中的应用

讨论了高职院校计算机实验教学的现状，阐述了虚拟机的基本概念和主要特点，并且就“虚拟机”技术在网络安全课程教学中的应用进行了实例分析，展现了在网络安全课程当中及其它计算机课程实践教学中虚拟机技术的极大的可行性和创新性。     

基于虚拟机技术的网络安全教学案例研究

文章针对网络安全实验教学,以网络安全协议SSH应用作为教学研究案例,在充分研究与分析相关知识点的基础上,以穿透防火墙和内网主机暴露这一具体的网络安全应用为出发点,利用虚拟机技术设计了SSH端口转发综合实验。实验设计模拟了真实的应用场景,旨在提高学生对网关、防火墙规则、SSH端口转发应用等知识的理解和应用,从而提高学生在网络安全方面的灵活运用能力。     

虚拟机技术在计算机网络实验中的运用

在计算机网络实验当中,最重要的是有一个合适的实验环境。用虚拟机软件能构架出小型网络环境,利用该网络环境,能实现ftp,samba,apache等网络实验,也可以实现有危险性的如病毒攻击等网络安全实验。     

云计算中虚拟机簇的优化分配

针对云计算中虚拟机资源的优化分配问题,提出一种建立在能量最小化基础上的虚拟机簇分配方法.在这个方法的设计中,运用图割理论对云计算中的虚拟机簇资源进行抽象处理,将虚拟机资源的配置问题映射成最大流-最小割模型.在最大流-最小割模型中进行路径构建,完成对各个虚拟机、虚拟机簇资源的优化分配.验证性实验研究结果表明,按照本文方法实现的虚拟机簇分配,可以达到最高效的配置,使得虚拟机资源很好地对应于物理主机.     

虚拟机在高校计算机实践教学中的应用

用虚拟机替代物理机实验平台,能充分利用高校中现有的实验资源.具有经济性、可靠性、和易维护性等特点.本文以Connectix Virtual PC和VMwareWorkstation为例,详细阐述了虚拟机在高校计算机实践教学中的应用问题.     

一种无代理虚拟机进程监控方法

针对云环境下的租户虚拟机状态监控问题,提出一种基于虚拟机内存实时在线分析的虚拟机监控技术.借助虚拟化层的高特权级,可以在虚拟机外部透明地实时获取虚拟机的物理内存.引入内存取证领域的物理内存解析机制,在虚拟化层在线地分析虚拟机内存中重要的内核数据结构,从而获取虚拟机内存语义知识,有效地解决虚拟机与虚拟化层之间的语义鸿沟问题,实现虚拟机细粒度状态信息监控.由于监控代码处于更高特权级的虚拟化层,无需在用户虚拟机中部署监控代理,因此,虚拟机内部的恶意代码无法旁路和破坏安全监控代码,提高了方法的透明性和安全性.实验表明,该方法可以在低开销下以无监控代理模式为租户提供虚拟机监控服务.     

一种融合虚拟机选择的虚拟机放置方法

为了节省云数据中心的能量消耗,提出一种融合虚拟机选择的虚拟机放置方法.该策略将虚拟机迁移过程划分为物理主机状态检测,虚拟机选择和虚拟机放置3个步骤;在物理主机状态检测和虚拟机选择阶段,选取了Cloudsim项目中已有的且被证明是优秀的鲁棒局部归约检测方法和最小迁移时间选择方法;在最后的虚拟机放置阶段,以虚拟机和物理主机双方稳定匹配为目标,采用一种融合虚拟机选择与放置过程之间密切结合的虚拟机迁移策略,该策略可以保证活动物理主机的硬件资源有比较满意的利用效率;使用CloudSim作为云数据中心仿真环境.实验结果表明:与Cloudsim中已有的虚拟机迁移办法相比,提出的放置方法中云数据中心的各类性能指标都可以得到改善,该实验结果对于其他企业构造节能云数据中心有很好的参考价值.     

虚拟机在高校教学中的应用

提出了虚拟机在高校教学中的应用方法,解决高校实验设备有限和资金不足的问题.依据虚拟机的现状,首先给出了虚拟机教学的基本思想,然后阐明了虚拟机对高校教学的作用,最后阐述了虚拟机在项目化教学中的具体应用.     

基于CDVRS的虚拟机资源调度策略研究

云计算将各种处理器、存储以及网络等物理资源虚拟化为虚拟机,为用户分配相应的虚拟机以及将虚拟机调度到物理资源上是云计算中一个重要问题.提出一种基于分类挖掘的虚拟机资源调度模型及算法CDVRS(virtual machine resources scheduling based on classification data mining)解决该问题,采集用户访问虚拟机及虚拟机映射物理资源的历史信息,采用改进的分类挖掘算法对其进行挖掘,得到指导虚拟机资源调度的分类规则和模式,在此基础上实施虚拟机资源调度.对模型和算法进行仿真,实验结果表明采用CDVRS算法相比GA(genetic algorithm)、PSO(particle swarm optimization)等算法在资源利用率上有较大的改善,能有效提高云计算中虚拟机资源调度的效率.     

基于虚拟蜜网的网络攻防实验平台的构建

针对传统被动防御式网络安全教学实验平台的缺点,研究虚拟机和蜜网关键技术,构建基于虚拟蜜网技术的网络安全教学实验平台,并给出平台核心功能实现过程。在实践中,运用平台模拟网络攻击行为和安全防御过程,结果证明该平台完全可以胜任网络安全攻防教学实验,同时可以兼顾网络管理操作实验任务,减少了对网络硬件设备的依赖,具有较强的可伸缩性和可扩充性。     

基于主元分析法的虚拟机异常监控研究

面临云平台中虚拟机使用异常的监控系统缺乏问题,以现有的IaaS开源云平台Eucalyptus和基于Linux内核的Xen虚拟机为基础,研究基于主元分析法(primary component analysis,PCA)的虚拟机异常监控方法,并在此基础上设计在云环境中基于Xen虚拟机异常使用的监控系统.该系统可以对采集到的数据进行分析,判断虚拟机是否出现使用异常并定位异常.实验结果表明,采用基于主元分析法的虚拟机异常监控系统对云环境中的虚拟机产生的异常检测准确度较高,在定位异常方面也有较好的准确度.该研究成果为云环境下虚拟机异常监控提供了有效的理论研究依据和应用实践价值.     

带安全检测的云数据中心虚拟机迁移策略

在云数据中心的构造过程中,通过设计安全的架构来降低能量消耗是一种新的思路.提出了基于安全检测的虚拟机迁移策略,利用隔室技术及病毒传染模型(susceptible infected recovered,SIR)在虚拟机迁移过程把有安全威胁的虚拟机隔离出来,保证云数据中心的能量消耗与安全级别的平衡;参考Cloudsim项目中虚拟机迁移方法,将基于安全检测的策略分为安全虚拟机选择算法(security based selection,SBS)与安全虚拟机放置算法(security based placement,SBP);以Cloudsim云计算模拟器中的虚拟机选择及虚拟机放置策略作为性能比较对象.仿真实验结果表明,基于安全检测的虚拟机迁移策略可扩展性较好,可以抵御网络攻击,在能量消耗上只有少量的增加,可以作为其他云服务提供商构造云数据中心的参考模型.     

云计算中基于多目标优化的虚拟机整合算法

云数据中心中存在着高能耗和高服务水平协议违约率的问题,为了解决此问题,提出了一种基于多目标优化的虚拟机整合算法.综合考虑能耗、服务质量和迁移开销等多种因素,将虚拟机整合问题构建为一个具有资源约束的多目标优化问题.使用蚁群系统算法对该多目标优化问题进行求解,进行虚拟机整合,获得近似最优的虚拟机主机映射关系.为了减少算法复杂度,利用CPU利用率双阈值来判断主机负载状态,根据主机负载状态分阶段进行整合并使用不同的整合策略.基于CloudSim平台对多目标优化的虚拟机整合算法和其他6种虚拟机整合算法进行仿真实验,将本文算法与现有虚拟机整合算法实验结果进行比较,结果表明本文提出的算法在能耗和服务水平协议违约方面优化显著,具有较好的综合性能.     

基于深度学习的云计算虚拟机分类算法

随着云计算数据中心规模及复杂性的不断增长,其监控和管理的可扩展性问题已逐渐成为一项挑战性任务.对云计算平台中相似行为的虚拟机进行聚类处理,可提升云计算平台监控和管理的可扩展性.然而,在准确率和时效性上,现有的虚拟机聚类技术无法满足云计算平台的要求.本文提出一种基于深度学习的虚拟机分类算法,即对云计算平台中虚拟机的行为进行分析,将具有相似行为的虚拟机进行分类,然后将同类的虚拟机部署在尽可能少的服务器上、降低基础设施成本,从而提升云计算数据中心监控和管理的可扩展性.采用真实云数据中心的虚拟机数据对本文算法及同类算法进行对比实验,结果表明本文算法准确率更高、实时性更好,可满足云计算平台的要求.     

基于RISC技术的指令流水虚拟系统

文章在“软件模拟硬件”思想指导下 ,实现基于RISC技术的指令流水虚拟机 ,突出介绍了利用VisualC + +的面向对象开发环境实现虚拟机器的基本构思、设计方法和过程 ,在虚拟机的设计和实现中应用了RISC与指令流水线两大技术 .该虚拟机的实现表明 ,在计算机上建立虚拟系统应用于实验、教学和进一步的研究中是具有可行性的 .     

基于遗传算法的集群虚拟机资源调度研究

针对集群虚拟机的调度问题,提出了一种基于遗传算法的调度方法.此方法根据虚拟机调度问题的具体情况构造染色体和初始种群,进而根据选择、交叉、变异操作衍生种群.在适应度函数构建过程中,充分考虑了虚拟机调度中对CPU、内存、带宽的资源利用率要求、调度时间需求和服务费用需求.实验结果表明,本文调度方法获得的调度结果在资源利用率和执行时间方面都具有明显的优势.     

基于蚁群优化算法的云计算资源负载均衡研究

针对云数据中心虚拟机分配物理机时存在负载不均衡的问题,提出了一种基于蚁群优化算法的资源调度算法.对问题场景进行了分析,提出了数据中心负载不均衡度以及物理机与虚拟机之间不匹配度的概念,并给出了问题的形式化描述.在蚁群算法选择概率规则中参考了用户对虚拟机资源的需求,尽量避免对相同类型虚拟机部署在一台物理机上,同时对信息素的初始化、信息素的更新进行了改进.通过CloudSim模拟平台进行仿真实验,并与其他的分配算法进行了比较,实验结果表明:该调度算法能够快速地完成虚拟机的放置,并且使云数据中心的物理机具有较低负载不均衡度,提高了资源的利用率.     

数据云中基于启发式反向蜂群的虚拟机选择节能算法

结合数据中心中数据密集型作业的频繁读写数据特点,综合考虑CPU使用率和RAM使用率两个影响因素构建服务器能耗评价模型,并引入人工蜂群算法及启发式反向思想,将其应用于数据中心虚拟机迁移策略中的虚拟机选择环节,实现云计算中数据中心节能问题的优化.在CloudSim 3.0云计算模拟器中的仿真实验结果表明:该启发式反向蜂群虚拟机选择节能算法(ABCS)与最大最小时间(MMT)、随机选择(RS)和最小使用率(MU)3种经典虚拟机选择算法相比节能20%~25%,虚拟机迁移频率减少至5%以下.     

虚拟机技术与性能优化的研究

虚拟化技术应用广泛,以虚拟机为主构建的虚拟计算平台存在性能和安全等方面的问题.通过研究分析虚拟化技术和3种基于硬件抽象层虚拟机的实现技术,提出以硬件辅助虚拟化技术为基础,融合动态指令转换等技术,从处理器虚拟化、内存虚拟化、I/O虚拟化等方面优化设计虚拟机.经实验证明实现的虚拟机在性能上接近非虚拟化的物理计算机.