基于Bloom Filters的流抽样算法研究

本文提出了基于Bloom Filters的流抽样算法,对测量间隔内到达的报文进行抽样,并采用Bloom Filters哈希结构映射到流信息表来创建和维护流信息。该方法具有灵活性、简单性,在误差允许的情况下,有效地减少了流测量所需的存储空间。     

基于CBF的自适应抽样算法研究

本文针对网络流量的自相似性、重尾分布等特征，提出了基于CBF的自适应抽样算法，根据不同的网络流量大小，抽取不同数量的报文，并采用CBF哈希算法维护流记录。该方法具有抽样率自适应性、简单性，并可根据实际情况灵活控制算法所需的存储空间。     

高阶间隔估计算法在网络流量监测中的应用研究

当前的网络流量监测方法比如报文抽样和时间间隔抽样,存在资源消耗大和精度低2个方面的问题,本文提出了一种高带宽及高传输速率情况下的流量监测方法,即以均匀分组采样方法为理论的高阶间隔估计算法﹒首先根据网络流量的动态变化,实时调整采样次数;再利用低阶采样数据及优化算法进行高阶估计;最后采用相对熵进行采样性能分析与估计﹒仿真结果表明,随着高阶间隔的逐渐增大,流量监测的精度相比报文采样和时间间隔采样得到逐步提高,而资源消耗却显著减少﹒     

一种用于异常检测的网络流量抽样方法

为了减小抽样数据对网络异常检测的影响,提出了一种新的可变抽样率的网络流量抽样方法.通过利用哈希模式匹配算法,将到达的数据报文按流标识分类并记录下该报文在流中的位置,然后根据报文所属流的位置顺序减函数来设置不同的报文抽样概率.实验结果表明,所提方法增加了短流报文的抽样概率,解决了由于随机报文抽样方法偏向于长流抽样而导致的网络异常丢弃的问题,从而提高了异常检测的正确性.     

基于CBF流抽样的网络安全

现有网络中常存在DDOS、恶意端口及IP扫描、蠕虫等异常产生大量的只包含1个数据包的流量.针对高速网络流量特点及网络异常导致的流量突然上升,提出了一种改进的基于CBF的流抽样算法.该算法对定长时间内到达的数据包进行固定数量的抽样,使抽样率能适应于流量变化,并可控制资源的消耗,尤其当泛洪攻击、DDOS攻击等导致大规模异常网络流量出现时,能有效保护路由器的处理器和内存资源以及传输流记录所需的带宽资源,同时又不失简单性和准确性.     

基于BF的单向网络性能抽样测量技术

针对在进行网络单向性能测量时,存在抽样效率不高和报文标识均匀性差等问题,提出了一种基于BF(Bloom Filter)的单向网络性能抽样测量框架及算法,解决了在不同测量点对上从大量背景流量条件下的抽样有效性和报文标识有效性问题.仿真性能表明,待测报文抽样效率与BF理论分析值偏差为0.5%,且报文标识冲突比例仅为3.5%左右,软件实现抽样时间开销为O.1μs量级;该抽样测量技术十分适合于从大量背景流量中快速抽样出少量待测报文,从而有效地测量出诸如单向传输时延、时延抖动及单向报文丢失率等重要网络性能参数.     

基于MGCBF算法的长流信息统计

为提高流测量系统的运行效率,减小其所需存储资源,在分析网络中流长分布特性的基础上,提出一种新的用于测量长流数量并维护其流信息的算法———多粒度计数bloom filter(MGCBF).利用较少的固定存储空间,MGCBF可以在保持较小误差比例的情况下,对所有到达的流基于报文计数.在MGCBF算法的基础上以指定报文数为阈值建立了一个长流信息统计模型,并对该模型所需的存储空间、计算复杂度和计算误差进行了分析和讨论.通过将其分别应用于来自不同网络的TRACE:CERNET和CESCAI,验证了该算法在保证测量精度的同时可以大幅度减小维护流信息所需的系统资源.     

基于并行分层时间间隔测量的TDOA定位算法研究

基于到达时间差(TDOA)定位算法要求精确地时间同步技术作为支撑.由于传统时间同步技术精度低导致TDOA定位结果有偏差,提出一种基于并行分层次时间间隔测量的到达时间差(TDOA)和到达信号增益比(GROA)联合定位算法.基于TDOA与GROA联合定位模型,构造含拉格朗日系数的优化函数,然后采用约束加权最小二乘算法(TSWLS)来进行求解;同时,采用并行分层时间间隔测量法来控制定位算法的时间同步.实验分析表明,该算法相比较传统的TDOA定位算法而言,定位精度提高了25 d B,并且具有相对较高和较稳定的定位精度.     

网络流量测量的自适应抽样方法研究

由于高速网络技术的发展,直接对网络流量进行全分组测量相当困难,为了解决这一问题,流量抽样测量研究已经成为高速网络环境下进行流量测量的一个热点.在对目前的抽样测量技术研究的基础上,分析了一种自适应抽样测量技术.结果表明:该方法能充分利用现有资源提高抽样测量的准确性,为研究其他的自适应抽样方法提供一定的参考.     

负载自适应的数据流流量测量算法

针对现有的数据流流量测量算法负载适应性不佳的问题,基于计数型布鲁姆过滤器,提出了一种负载自适应的数据流流量测量算法LACBF(load-adaptive counting bloom filter)。采用真实的网络流量数据,对LACBF算法的性能进行了仿真验证,结果表明,LACBF算法能够在网络流量动态变化的情况下获得比现有算法更小的测量误差。     

基于IXA架构的流量测量系统设计

网络流量测量技术是网络监测和管理研究的重要前提和保证. 在分析网络处理器、网络流量采集等技术的基础上,介绍流量测量系统在Intel IXA架构上的一种设计和实现. 系统的数据采样机制和数据编码格式遵守sFlow系统标准. 最后对IXP2400上实现该系统时微引擎等资源的分配作了分析,通过并行架构优化了包处理性能.     

一种非均匀包对序列带宽测量方法

在分析现行带宽测量算法的基础上，设计了一种新的包对带宽测量算法，并从理论上加以证明，针对带宽测量中普遍出现的瓶颈拥塞现象，提出了一种非均匀包对序列带宽测量方法，首先设置基本的包对发送后退时间，再根据带宽估测结果的变化动态地调整后退时间，使得包对序列能有效地适应网络运行状态的变化，所得到的估测序列结果更接近实际的瓶颈带宽，其具体实施验证了它的有效性。     

一种适用于流匹配的多阶段无冲突归并算法

流匹配算法是准确实现对高速网络中特定流的流量进行测量的关键。RFC算法是相关算法中速度最快的，但它内存消耗很大，预处理运算量大。针对BFC存在的不足，提出了一种多阶段无冲突归并流匹配算法，该算法采用标记桶方法实现前缀匹配的预处理；采用最小区间分隔法实现范围匹配的预处理，同时算法设计了提前丢包。测试结果表明该算法能支持掩码匹配和范围匹配，内存消耗可控，匹配速度可达2Mpps。     

HSCP： a hardware and software combined platform to improve precision in active network measurement

In this paper, an active network measurement platform is proposed which is a combination of hardware and software. Its innovation lies in the high performance of hardware combined with features that the software is easy to program, which retains software flexibility at the same time. By improving the precision of packet timestamp programmable hardware equipment, it provides packet sending control more accurately and supports the microsecond packet interval. We have implemented a model on the NetMagic platform, and done some experiments to analyze the accuracy difference of the user, the kernel and hardware timestamp.     

一种用于频率跟踪和相角估计的实用算法

电网电压的频率、幅值和谐波含量均随时间发生变化,它们严重影响着电网相量的测量精度．为此,在分析傅氏法计算误差与频偏、起始点相位关系的基础上,提出了一种基于准同步采样和傅氏分析的频率跟踪、相角估计的实用算法．它用离散傅氏法和线性插值法估计任意时刻的相量,用迭代算法寻找相角差为零的相邻周期的两个估计相量进行频率计算,继而对采样数据进行同步化处理以获取信号的真实相量．仿真结果表明,这种方法可使相角误差小于0．2°,并能够满足电网相量实时测量的快速性要求．     

跨层自适应无线资源分配方案

提出了一种新的跨层自适应资源分配方案,该方案不仅考虑了业务数据到达的随机特性、数据缓存队列状态、业务时延等MAC层的QoS要求,还考虑了无线信道的时变特性和功率限制,并通过自适应技术实现了系统性能的优化.仿真结果显示,该方案提高了系统频谱效率、功率效率和系统容量,可以满足多用户实时业务的QoS要求,是一种适用于时变选择性衰落信道的资源分配方案.     

测量介质损耗角的高阶正弦拟合算法

在介质损耗角的数字化测量中 ,数据采样频率与电网频率间不同步的问题 ,以及电网中存在的高次谐波都会给介质损耗的测量带来误差。为了提高测量的准确度 ,论文研究了一种新的计算方法即高阶正弦拟合法。它利用高阶正弦模型 ,将电网频率视为未知参数 ,对采样数据进行最小二乘意义上的非线性拟合计算。并使用离散 Fourier变换 (DFT)方法求取迭代初值 ,以加快计算速度。研究表明 ,这种方法能够较好地解决上述问题 ,在噪声较强的情况下 ,准确度误差不超过 0 .0 0 0 3,而且计算速度快 ,完成一次计算的时间小于2 0 m s,满足介质损耗角在线监测的要求