高速IDS中一种改进的数据包捕获方法的研究

在大的网络流量环境和中断批处理的情况下,数据包捕获的丢包率出现了急剧地上升.如何降低数据包捕获的丢包率是高速IDS研究的难点之一,针对这一问题,提出了一种改进的数据包捕获方法,它将Libpcap整合到Linux内核中,并结合了基于NAPI的自适应轮询方法和Linux的内存映射机制,减少了中断与系统调用的开销.实验证明,在数据包长度较小的情况下,所提方法可有效降低丢包率和CPU占用率,从而改善了包捕获的性能.     

校园网络流量分流过程的分析与程序实现

随着近年来网络使用的普及,针对网络流量分析领域的研究越来越多.提出了各种流量分类算法,其最终目的是为了更好地识别网络带宽中的流量组成.基于对多种不同的流量分类算法的研究发现,网络流量的成流过程作为流量分类算法的基础性工作起着不可或缺的作用,并发现数据包成流的定义也各不相同.描述了一种基于数据包五元组的网络流量成流过程,对某校园网络流量实现了离线式的数据包成流,并针对成流过程中所出现的一些问题进行分析,给出可能的解决方案.     

基于流中前 5 个包的在线流量分类特征

针对在线流量分类所面临的特征计算复杂和分类性能不稳定问题,利用流开始的前 5 个数据包（排除三次握手数据包）,计算数据包大小、负载大小和到达间隔时间等网络流量的统计特征,通过分析 3 种机器学习算法（C4. 5、BayesNet 和NBTree）分类的结果,研究可用于在线流量分类的特征以及这些特征应该满足的条件。实验结果表明,所提特征计算简单,能快速有效地区分不同的流量,对于不同的机器学习算法,均取得了较高的分类准确率（92%以上）,适用于在线流量分类。     

结合二次特征提取和LSTM-Autoencoder的网络流量异常检测方法

为解决大多数网络流量异常检测方法准确度低、误报率高等问题,提出一种基于长短期记忆网络自编码(LSTM-Autoencoder)的网络流量异常检测方法.首先,将真实网络流量从数据包和会话流级别两方面提取数据特征.为了丰富原始特征,采用离散小波变换(DWT)分解原始特征向量得到更高维特征.考虑真实网络环境可能存在异常数据,采用Grubbs准则对数据进行平滑操作,以防止非人为异常数据干扰训练LSTM-Autoencoder模型.使用已训练的LSTM-Autoencoder模型对训练数据进行重构,通过分析重构误差分布确定检测阈值.最后,对真实网络流量进行测试,分析了模型结构以及外部噪声对检测性能的影响,实验结果验证了所提方法的正确性.与其他基于数据重构的检测方法相比,所提方法具有更高的检测准确度和更优的检测性能.     

IP流量规划对网络延迟性能的影响

IP流量规划 (TrafficEngineering,TE)基于多路径路由优化网络的流量级、资源级的性能。由于数据流的不同数据包沿不同路径到达目标结点 ,TE动态优化使数据流的服务质量 (QualityofService ,QoS)参数延迟、延迟抖动等具有不确定性。对此 ,研究了TE选择多路径和分割数据流对延迟等的影响 ,结果说明 :TE能改善网络延迟性能     

IP流量规划对网络延迟性能的影响

IP流量规划（Traffic Engineering,TE)基于多路径路由优化网络的流量级、资源级的性能。由于数据流的不同数据包沿不同路径到达目标结点，TE动态优化使数据流的服务质量（Qualty of DService,QoS)参数延迟、延迟抖动等具有不确定性。对此，研究了TE选择多路径和分割数据流对延迟等的影响，结果说明：TE能改善网络延迟性能。     

基于时序流的移动流量实时分类方法

移动互联网的快速发展,产生了网络测量、网络安全和服务质量等方面的新问题.为了深入研究移动互联网的特性,研究人员需要从传统网络流量中快速准确分类出移动流量.本文提出了一种采用轻量级流表与深度数据包检测技术（DPI）相结合的移动流量实时分类方法,将网络流按照时间间隔关系扩展为时序流,并通过DPI时序流前N个特征数据包准确地分类出移动流量,缩减了流表规模,减少了实际DPI开销.通过实时的网络流量实验表明,DPI时序流前8个特征数据包时,提出的方法识别准确率达到91.55%,单次深度数据包检测的平均开销为20个数据包,并且流表的规模缩减到原来的0.21%.与P0F比较,方法识别准确率等性能有明显提升.      

一种基于轮询的网络流量监测方法

流量监测是研究网络的重要手段。传统的流量监测方法存在性能瓶颈以致难以在高带宽大流量环境中应用。现提出一种基于轮询的流量监测方法并对其进行改进,缩短包捕获时的数据包行走路径。这种方法极大地节省了CPU开销,提高了包捕获效率。实验数据表明与传统流量监测方法相比,基于轮询的流量监测方法的包捕获性能得到极大提高,可以在千兆环境下线速地进行包捕获。     

OFDMA中继网络中联合队列和信道信息的资源分配策略

针对基于正交频分多址接入(OFDMA)的多中继、多用户的中继网络,研究了联合队列和信道信息的资源分配问题,目标是最大化下行系统吞吐量,同时保证用户队列的稳定.首先将子载波配对、载波对分配和功率分配问题建模为一个联合优化问题,之后通过对变量进行连续性放松,采用拉格朗日对偶方法进行求解,并利用Karush-Kuhn-Tucker(KKT)条件及匈牙利方法获得优化问题的近似最优解.性能分析与仿真结果表明,与仅利用信道信息的算法相比,所提的联合队列和信道信息的资源分配算法能够有效地提高系统吞吐量并降低用户数据包平均等待时延.     

基于分形理论的网络流量异常检测技术

传统网络流量异常检测技术不能适应网络流量的复杂性,异常检测精度低,不能保证实时性,为此,提出一种新的基于分形理论的网络流量异常检测技术。通过FIR滤波方法对流量的时间序列进行预处理。采用Schwarz信息准则对网络流量异常检测问题进行处理,估测网络流量异常点数量与位置。采用R/S分析法求出自相似指数Hurst值,依据Hurst值对网络流量时间序列的分形特征进行分析。引入滑动窗口完成多网络流量异常点的检测,在检测异常点处对流量进行分形处理,依据自相似指数计算过程获取异常点间的流量自相似指数值,保存异常点之后的流量,为下一个流量异常点的检测提供依据。实验结果表明,所提技术实现过程简单,网络流量异常检测精度高,保证了实时性。     

基于MATLAB的TES建模软件设计

现有的业务流模型难以描述高速业务流的高突发性。在线测量网络中的高速业务流,再根据实测的时间序列数据,用TES(Transform Expand Sample)方法建立并分析高速业务流的TES模型,其中关键环节是TES模型的建立。在TES模型构架的基础上,给出了基于MATLAB平台的有关的软件实现方案。     

面向大型社会活动的智能交通控制策略研究

城市交通系统是由交通工具、交通路网、交通设施和交通运营管理组成的一个整体,良好的控制策略可以有效缓解道路拥堵,提高路网利用效率.为了缓解大型社会活动期间短时间交通需求激增对快速路网运营的压力,提出一种基于动态交通分配理论的智能交通控制策略.该策略以路网总运行时间最少为目标,通过宏观调节分流比例来进行优化控制,为交通控制与管理提供辅助决策依据.同时,讨论了适合模型求解的优化算法——序列二次规划算法,并针对上海快速路网特点进行仿真实验.仿真结果表明:智能交通控制策略可以有效改善路网的运行状态,减少路网的总运行时间,具有良好的实用价值.     

基于改进特征选择法的光纤网络流量异常监测研究

采用当前方法进行光纤网络流量异常监测过程中,特征选择法无法全面描述流量异常特征监测的不足,存在监测效果较差的问题。为此,提出一种基于改进特征选择法的异常流量监测方法。首先采用分光方式对光纤网络流量进行分析,获取光纤网络流量时间序列,并描述用于流量异常监测的多时间序列之间的相互关系,然后利用改进特征选择法对网络出口流量进行特征提取。利用聚类算法选择网络流量异常最优类数和聚类中心,来对网络流量异常现象进行过滤,从而实现网络异常流量特征抽取、特征选择改进算法和网络流量异常监测的研发,从而提高光纤网络流量异常现象监测的准确度。仿真实验结果证明,通过这种方法,能有效地对网络流量异常现象进行监测,且算法简单,能够满足网络流量异常监测的应用需求,实用价值较高。     

道路网交通流状态变化趋势判别方法

根据城市快速路交通流参数实测数据所表征的交通流状态特性,结合基本图和三相交通流理论,将道路网交通流状态划分为自由流状态、拥挤流状态和阻塞流状态.在此基础上,采用模糊信息粒化的思想,以道路网检测断面数为窗口,设计三角形模糊隶属函数,将同时段的道路网交通流状态映射为含有低边界值L、中值R和高边界值U三参数的模糊信息粒.以模糊信息粒为输入,建立Elman网络模型预测交通流状态变化趋势.依据预测结果计算道路网交通流状态综合指数,判别未来时段道路网交通流状态,并以北京市某一区域路网为例进行实证性研究.研究结果表明:所提出的方法能够实现道路网交通流状态变化趋势判别,准确率为93.33%,同等条件下支持向量机模型判别准确率仅为86.67%.     

A Method for Detecting Intrusion on Networks in Real-time Based on IP Weight

A new rule to detect intrusion based on IP weight, which is also well implemented in the rule base of author's NMS, is presented. Compared with traditional ones, intrusion detecting based on IP weight enhanced analysis to packet content. The method also provides a real-time efficient way to analyze traffic on high-speed network and can help to increase valid usage rates of network resources. Practical implementation as a rule in the rule base of our NMS has verified that the rule can detect not only attacks on network, but also other unusual behaviors.     

高铁时代赣南原中央苏区空间结构研究

高速铁路作为一种显著改变区域可达性的交通设施,对区域空间结构的改变产生着关键影响.以ArcGIS为平台,在社会经济数据及交通地理数据的支持下,以2020年为时间断面,基于交通网络视角从各城市平均可达性格局、中心城市及其腹地划分,以及空间经济联系网络3个角度对高铁时代赣南原中央苏区区域空间结构进行测度.研究结果表明:高铁时代苏区内部可达性状况显著改善,出现明显的时空压缩效应,可达性最优城市群体在空间上集聚于昌吉赣深高铁沿线;基于小时圈影响范围的中心城市腹地划分结果显示,赣州的腹地范围最大,井冈山的腹地面积最小,吉安、瑞金、南城三者的腹地范围相差不大;苏区经济联系网络呈多中心放射状格局,苏区的对外经济联系网络内部空间差异特征明显.     

基于最大Lyapunov指数的网络业务流量预测

在高速网络资源分配与拥塞控制研究中,网络业务流量的预报是一个具有重要意义的课题.基于准确的业务预报,网络管理和控制方案更易于适应业务流量的动态变化,从而达到优化网络性能的目的.而高速网络中大量存在着以自相似性为特征的多种业务流量.已有研究表明,这种自相似特性与混沌现象的吸引子有着紧密的联系.笔者利用混沌时间序列的重构相空间方法,对高速网络中自相似信源的速率做出了预测,并给出了最大可预报时间.该方法的预测模式简单,仿真结果表明,预测的精度也比较高.     

高速网络流实时处理模型研究与实现

针对当前网络流处理存在的实时性不足,难以适应不同网络流量规模的问题,研究并实现了一种多流量场景实时网络流重组架构,旨在进行网络流处理时能够适应不同的网络流量场景,并且有效提升系统资源利用率。该架构基于DPDK实现高速流量实时采集,并且对流重组过程进行阶段划分,构造不同场景的运行拓扑,实现系统资源的动态分配。在单机环境下实现了该系统,并在10 Gbps网络环境下进行测试,结果表明该架构在吞吐量和资源利用率上优于同类其他方法。     

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.     

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.