Self-similar traffic analysis in optical burst assembly

This paper investigates the traffic properties before and after assembly at edge node of Ethernet over optical burst switching （OBS） network for the first time. Burst and inter-arrival time distributions are simulated under time-based and length-based assembly schemes. Self-similar traffic Hurst parameter is compared through R/S and V/T plot. Finally three self-similar traffic generating methods are given. Simulation resuhs demonstrate that, muhi-source traffic increases self-similar degree, however after assembly, time-based scheme can decrease self similar degree, and aggregated burst size is close to Gaussian distribution. Length-based method has no effects on the self-similarity of input traffic. RMD is fit for study of burst network with large self-similarity.     

网络流量自相似性在DDoS攻击检测中的应用

大量研究表明网络的正常流量具有自相似性,可以用自相似性参数Hurst系数来描述。DDoS攻击会破坏或者影响网络正常业务的自相似特性,用优化的R／S作为自相似性参数Hurst系数的估算算法,分析DDoS攻击数据流对正常业务数据流自相似参数Hurst系数的影响,来检测DDoS攻击。     

多路自相似流输入下基于FBM模型的丢包率分析

从分形布朗运动(FBM)模型出发,结合高斯输入下的丢包性能,推导了多路自相似流输入下丢包率的理论分析.结果显示,在多路自相似流输入情况下,若各条流的均值、方差近似相等,则Hurst参数最大的流对合成流的丢包率具有决定性的影响.该结论通过仿真得到了很好的验证.所提出的分析方法和得出的结论对于网络节点性能分析、缓冲区设计及资源调度等具有实际的指导意义.     

基于网络演算的有损分形整形器及性能模型

随着Internet的不断演化和发展,它已成为一个开放的复杂巨系统,为改善Internet复杂网络流量自相似等突发特征给网络性能带来的影响,提出了一种适合自相似等突发流量的有损分形整形器的一般数学模型,证明了分形到达约束受限于原始到达曲线,推导并得出了有损分形整形器的输出特性与输入流量的自相似特征参数以及分形整形曲线之间的关系,分析了有损分形整形器的队列长度与延迟等性能,讨论了有损分形整形器的引入对网络端到端延迟、数据丢失总数以及平均丢失率等性能的影响,分别得到了上述各性能指标上界与流量自相似参数的关系,给出了在允许最大平均丢失率的情况下的最小缓存容量.这对于基于分形整形器的拥塞控制策略和流量控制方案的评价,以及分形整形器自身参数的设计是具有参考作用.     

具有重尾特性自相似网络通信量的预测

提出了一种基于alpha-平稳分布过程的网络通信量模型,该模型能够刻画自相似网络通信量的长程相关性和重尾特性,具有参数简约,物理意义明确的优点,可以准确描述Bellcore Lab的实际踪迹BC-Oct89Ext．根据此模型,提出了一种在累积量约束条件下Fisher信息（FI）最小化的基于alpha-平稳新息（innovation）的FARIMA（fractional auto regressive integrated moving average）预测方法,它可以预测同时具有长程相关性与短程相关性的自相似网络通信量．这种基于alpha-平稳新息的FARIMA预测方法能够在无限方差意义下使预测偏差最小化,对实际踪迹BC-Oct89Ext的预测实验证明了该预测方法的准确性和可靠性．     

高速公路交通流的分形特征实证分析

高速公路交通流演化分形特征的研究有助于深刻理解高速公路交通系统的内在演化规律, 为高速公路交通流的预测和控制提供理论依据. 本文利用统计学方法和复杂网络可视化技术对高速公路交通流的分形特征进行实证分析. 首先, 利用重标极差法计算了交通流时间序列的Hurst指数和V统计量, 发现不同时间标度下高速公路交通流时间序列的Hurst指数都大于0.5, 并且V统计量曲线有上升趋势, 说明高速公路交通流时间序列具有自相似性和长程相关性; 然后, 根据可视算法, 将高速公路交通流时间序列转化为复杂网络, 计算网络的拓扑参数, 发现网络的度分布均呈幂律分布, 表明该网络为无标度网络, 进一步揭示高速公路交通流时间序列为分形序列. 同时发现网络的平均路径长度随网络规模的增大呈对数增长, 说明网络具有小世界特征. 实证分析的结果对高速公路交通流量预测中时间标度的选择和预测长度的确定有重要的参考价值. 本文的研究可以为揭示高速公路交通流演化的复杂性提供新的思路和方法.     

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。     

异构无线网络融合的建模仿真与性能评估

结合IEEE 802.16和IEEE 802.11标准实现移动互联网的接入,设计一种将WiMAX作为Wi-Fi回程支持的异构无线网络融合模型.利用OPNET仿真工具进行建模,采用自相似Pareto分布生成实时、非实时业务的网络流量,并根据不同应用的优先级需求,得出异构无线网络中相应业务的最优配置.分析结果表明:该融合模型与传统模型相比,不仅在实时和非实时业务上的时延抖动和响应时间更优,而且能满足异构无线网络对VoIP,HTTP和FTP等应用的服务质量(QoS)需求.     

基于网络流量自相似的DDoS攻击检测方法

分布式拒绝服务攻击(DDoS)是目前黑客经常采用并极为有效的网站攻击手段。本文在验证局域网流量具有严格自相似性的同时,介绍了常用的Hurst参数计算方法。通过大量实验研究了DDoS攻击对Hurst系数产生的定量影响,并在实验数据分析的基础上,提出了攻击发生和结束的准确判据。实验结果显示,该方法性能良好。     

自相似及其对网络性能的影响分析

自相似是网络业务流量的一个重要特性,比较了自相似的度量方法并通过实际流量数据验证了网络流量的自相似,重点分析了自相似产生的原因及其对网络性能造成的影响,模拟结果表明自相似对网络的负载和利用率有较大影响,也降低了网络性能.     

网络流量长相关特性的估值算法的性能分析

长相关特性(LRD)是网络流量的最基本的统计特性，有多种算法可以用于判定网络流量是否具有长相关特性．但各种算法对Hurst参数均采用估值的方式而不是直接计算的方式，因此，它在各种条件下的鲁棒性和可靠性值得探讨．用确知的LRD序列和确知的非LRD序列来检验几种常用的估值算法的正确性和鲁棒性，并根据实验结果，提出了在研究网络流量的LRD特性时应注意的问题．     

基于流时间影响域的网络流量异常检测

针对如何提高网络流量异常行为检测准确率的问题,提出基于网络流时间影响域(TID)的网络流量检测模型.通过分析正常和异常情况下流量网络模型平均度的变化,构建了基于复杂网络平均度指标的网络流量异常检测算法.实验结果表明,基于网络流时间影响域的流量网络模型能合理地描述网络流量间的依赖关系,具有良好的检测性能,同时该网络模型仅需时间戳、源IP、目的IP三维网络特征即可实现,检测方法适用于绝大多数网络类型,检测效率优于其他网络流量异常检测方法,具有较高的普适性.     

网络流量自相似性的影响因素

网络流量特征是分析和研究网络性能、规划网络建设的基础.网络流量研究中关键的问题是如何合成网络真实流量并进行分析,由于自相似模型能够更加真实地描述网络传输的特性,因此,本文通过生成自相似性的流量进行仿真研究,对自相似现象的成因进行了解释,提出将源端流量自相似性与网络传输的TCP协议相结合进行研究的方法,探讨了影响自相似流量的因素,了解了网络行为随参数变化的情况,对新一代网络的设计、控制、分析和管理具有实际意义.     

基于灰狼算法优化深度学习网络的网络流量预测

针对深度学习网络在网络流量预测建模过程中的参数优化难题, 以改善网络流量预测结果为目标, 提出一种基于改进灰狼算法优化深度学习网络的网络流量预测模型. 首先, 收集网络流量历史数据, 并对数据进行相空间重构、 归一化等预处理; 其次, 引入灰狼算法快速搜索到全局最优深度学习网络的相关参数, 并根据最优参数对预处理后的网络流量历史数据进行学习, 建立能挖掘网络流量历史数据变化规律的预测模型; 最后, 与其他算法优化深度学习网络的网络流量预测模型进行对比分析. 实验结果表明, 基于改进灰狼算法优化深度学习网络的网络流量预测精度超过90%, 远高于其他对比模型, 且预测建模过程的建模时间少于对比模型, 可满足网络流量管理的高精度和实时性要求.     

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.     

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NS2的自相似业务流的生成

针对传统方法在产生自相似业务流时存在实现复杂、速度慢,并且生成的自相似序列精确性差等不足,提出了一种利用NS2生成自相似业务流的方法。实验结果表明,这种方法不仅实现简单、速度快,而且生成的数据具有良好的自相似性,特别适用于研究自相似业务流对排队系统的影响。     

自相似业务量下网络的排队性能分析

在研究通信网的网络性能、流量控制和资源配置时,业务源模型是其中一个十分重要的组成部分。近年来的研究发现数据网络中的业务量呈自相似特征,传统的能够精确描述电话网络的马尔可夫模型不再适用。业务量的自相似特征显著影响网络的流量控制与排队分析,已经引起人们的极大重视。采用G/M/1排队模型对分组长度可变的网络的排队性能进行了分析和仿真,其中自相似业务量是通过叠加大量独立的到达间隔为Pareto重尾分布的ON/OFF源来生成的。仿真结果表明,自相似业务量导致网络的排队性能劣化,这与有关文献对ATM交换的分析结果一致。     

高速公路入口匝道无模型控制研究

高速公路交通系统是具有非线性、随机性、时变性等特性的复杂系统,用传统的数学模型很难准确地描述,因此依赖数学模型的交通流控制存在很大的局限性.建立了一个包含神经网络的无模型高速公路交通流匝道控制系统,这里以入口匝道的放行率(即控制变量)作为神经网络输出,并给出了神经网络的结构和详细的训练算法,其中训练算法采用了SPSA方法.仿真结果表明,该方法能有效地对高速公路入口匝道实施控制,且比一般的神经网络模型具有更强的在线控制能力.     

基于改进特征选择法的移动通信网络流量异常监测系统

由于传统系统受到网络时延和信号干扰的影响,导致系统监测效果较差,提出了基于改进特征选择法的移动通信网络流量异常监测系统.利用报警装置对异常数据进行警示,并通过显示模块显示监测结果,解析全部网络流量特征.根据特征选择流程,获取网络流量异常特征,实现对异常网络流量的实时监测.提取异常流量并展开分析,采用改进特征选择法对异常流量进行选择,由此实现移动通信网络流量异常监测系统的设计.实验结果显示,该系统最高监测准确率可达88%,保证移动通信网络能在安全稳定条件下运行.