一个通用的网络流量模型的设计与实现

网络流量是描述网络行为的重要指标之一,对网络规划设计、业务部署、协议与网络设备设计、实施流量工程等都至关重要。依照软件工程方法学,设计并实现了一个通用的流量统计器模型,分析了网络数据包截获机制,研究了相应协议,阐述了网络数据包统计模块实现方法。     

一种基于微分的网络流量控制方法

网络流量过大和网络数据包队列不合理是引起网络阻塞的重要原因．文章首先探讨了网络流量的控制模型,模型用微分形式表述了客户端的窗口行为,并定义了网络数据包丢失的概率．然后分析了如何通过微分形式,并结合控制系统以及网络数据流量的模型,对网络数据包的队列进行控制的问题．结果表明,用这种控制系统的模式,用输入量输出量作为参数,结合中值定理对网络数据包的发出进行有效地控制,可以适当改善网络利用效率．     

基于NetFPGA的网络流量采集器

针对大多数基于软件的流量采集器不能实时处理高速环境下网络流量的问题,设计并实现一种基于NetFPGA的流量采集器,以达到在线流量的采集和分类。本设计采用模块化的架构,利用循环冗余检验算法来标识一个流,同时生成存储器的地址,在采集流量之前运用灵活的过滤规则对网络流量进行过滤,以减少待分类的网络流,使得采集器可以根据不同的需要采集流量。将采集器应用于千兆交换机网络环境进行在线数据采集实验,结果显示,该网络流量采集器能以线速工作在吉比特网络中。     

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.     

网络流量生成中速率控制研究与实现

分析了网络流量的生成,设计了流量模拟的速率控制算法,实现了对流量模拟速率控制,在与外界隔绝的网络中生成了具有真实网络特性的网络流量.     

基于流量统计特征的潜在威胁用户挖掘方法

为有效的从网络中挖掘出潜在威胁用户,提出了一种基于网络流量统计特征的异常用户挖掘方法。通过分析用户的网络流量,归纳出刻画网络流量集合的13个特征属性,包含网络流大小、数据包大小、数据包持续时间、数据包对称度等。在此基础上采用熵权决策法对每个特征选取合适的权重,计算出用户的行为威胁度,根据威胁度的大小和预先定义的阈值,将用户归为不同的威胁度分类等级。真实网络流量的实验结果显示,所提出的方法能够准确的实现潜在威胁的挖掘。     

用于DDoS攻击检测的自相似网络流量生成

由于DDoS攻击会破坏或者影响网络正常流量的自相似特性,据此来检测DDoS攻击是一种行之有效的方法;然而如何生成网络正常流量,是DDoS攻击检测的一个关键部分.描述了一种生成自相似网络流量的方法,并运用该方法实现了生成自相似网络流量的网络流量模拟子系统,解决了DDoS攻击检测所需的正常流量问题.     

基于自组织映射网络的流量分类算法

网络流量分类在QoS、流量控制及网络安全等领域发挥了重要作用. 有监督型的机器学习方法对新流量的识别往往依赖于先前的人工分析;自组织映射网络算法模拟生物神经元,通过自组织行为对数据进行分类学习;实验表明,该无监督型算法能够对新流量进行自动识别,提高了流量识别的准确率.     

基于MRTG的网络流量监测研究与应用

随着互联网的迅速发展,网络应用的范围不断扩大、网络资源日益丰富,与此同时,网络中的数据流量也越来越大。为了全面衡量网络运行状况,就需要对网络状态做更细致、更精确的测量。本文通过对基于SNMP(简单网络管理协议)的网络流量统计分析工具MRTG(多路由器流量图示器)的研究,利用MRTG对运行SNMP协议的设备抓取信息,然后生成包含PNG格式的图形,并以HTML文档方式显示给用户,从而达到网络流量统计与分析的目的。     

基于Agent的P2P网络流量监控与调整模型

本文提出了一种基于Agent的P2P网络流量监控与调整模型。该模型借鉴Agent的体系结构,在P2P网络中设置监控管理站点,通过Agent体系结构组织起来,对整个P2P网络进行流量监测,并对网络中的超负荷节点进行流量调整,重新组织网络的拓扑结构。该文实验采用VC对系统进行模拟分析,实验结果表明该方法对调整网络流量具有十分明显的效果,能够有效的调整系统节点的拓扑结构,在系统负荷过重的情况下,有效的减少系统开销,限制超负荷节点对网络带宽的消耗,提高对网络的利用率。在目前的P2P网络中,本文的网络流量监控与调整模型具有一定的推广和使用价值。     

WLAN网络业务流分类与流速控制的实现

介绍了通过网络业务流的分类管理,保证实时业务流服务质量的为目的改善无线网络传输质量的驱动程序.其原理是对TCP数据报(非实时业务流)进行延迟,而不对UDP数据报(实时业务流)的传输进行流量控制.此外,通过监控数据包的发送延迟来判定网络上的带宽占用情况,并根据数据包发送延迟的变化设计相应的算法调整输出流量,以达到动态流量控制的目的.     

基于WinPcap的网络流量捕获器的设计

研究网络流量规律时，第一项工作是从网络中捕获报文．介绍了流量捕获器的两种基本设计方法，一种方法基于NDIS，另一种方法基于WinPcap．重点讨论第二种方法．介绍了WinPcap的结构，把WinPcap提供的函数分成三种类型．设计者可以基于这种分类方法配置开发环境，例如定义预处理器、设置工作目录等．详细介绍了三个基本函数pcap_findalldevs_ex()，pcap_open()和pcap_next_ex()．最后，给出了设计实例及其运行结果．     

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。     

大型局域网干线流量的可预测性分析

用一种新的算法 ,在校园网的环境下对局域网干线流量的可预测性进行了全面的分析后得出结论 :在时间粒度较细的情况下网络流量的可预测性较好 ,而在 10min以上时间粒度下网络流量基本不具备可预测性 .对分析结果给出简单的理论上的解释     

一种改进的小波神经网络的网络流量预测算法

为了有效地对网络进行维护,提高网络性能,预知网络流量可以提前对网络出现的问题采取应对策略,从而对用户提供更好的服务。在神经网络预测模型中把隐含层的传递函数用小波函数替换,并采用共轭梯度下降算法,建立了一个小波神经网络的网络流量预测模型。通过实际流量数据对模型进行仿真,结果显示该模型与神经网络预测模型相比,该网络具有良好的预测效果,网络训练时间短,有效地提高了训练速度。     

基于人工神经网络城市交通流量智能预测的研究

通过对我国目前城市交通情况的分析．说明交通拥挤和流量大小息息相关，因此对城市交通流量进行预测具有重要的意义。目前应用于城市交通流量智能预测的人工神经网络模型主要有线性网络、BP网络、反馈网络等。经过综合分析而采用了线性网络对城市交通流量进行预测，其优点主要表现在结构简单，实用方便，反应速度快，实时性强。根据城市交通的具体情况，对城市交通流量的预测模型进行了仿真。其仿真结果表明所采用的线性神经网络能够用于城市交通流量的预测。     

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。     

基于神经网络的交通参数预测方法

为能够迅速准确地采取相应措施处理交通拥堵问题,改善行车安全,进而提高路网效率,研究了基于神经网络的交通参数预测方法,预测了交通流量、速度和占有率.在分析常用BP(Back Propagation)神经网络算法的基础上,研究误差平方和最小化的L-M(Levenberg-Marquart)算法.相对于常规预测方法,基于神经网络的交通参数的预测方法对于随机的参数变化具有更好的适应性,能及时跟随交通参数的变化,所以精确度更高,适应性更好.仿真结果显示,L-M算法的训练速度相比于常规BP算法要快几十倍,预测交通流量、速度和占有率等参数的效果优于常用的指数平滑算法,因此基于神经网络的交通参数预测方法可以应用于交通领域.     

Linux下可加载内核模块的网络测量方法研究

在linux操作系统下,提出并研究了基于Linux的可加载内核模块的网络测量方法,给出了该方法的整体框架,并且通过对网络业务流的测试,证明用此方法可以真实有效的测量网络业务流,提高网络流量测量效率.