网络连接和流量表示模型的设计与实现

对网络连接和流量进行监视和分析是网络管理的一种常用方法。为了使网络管理人员了解网络的运行状态、流量的构成，保障网络安全、高效的运行，而介绍了一个网络连接和流量表示模型，阐述了该模型的总体构架，具体描述了模型的部分实现细节。该模型的实现，为网络管理人员有效的管理网络提供了一种直观的工具。     

分布式流量发生系统的设计与实顼

如今网络的规摸不断扩大、网络的结构日趋复杂，各方面的因素都加重了网络管理人员、运营商的负担，如何在网络中既能加大对服务质量的提升力度又能满足大多数用户对网络的需求成为了当前网络研究的一个热点问题。而上述两者的管理因素又都直接影响到了网络的运行质量。研究如何进行资源的合理分配和流量的优化．提高网络运行速度等问题成为如何改善网络环境和质量的重要研究课题。本文研究的主要目的在于可以在网络环境下利用多个终端设备，集成单个设备的流量，形成汇总的流量信息，在不具各大型流量生成设备时，能够在网络中形成对受控主机的数据信息进行流量检测。     

对称性的起因:非业务性网络流量新特性的挖掘与探索

针对当前非业务性网络前后向流量呈现对称性的问题,提出一种基于双向网络流模型的分析方法.与传统的单向网络流模型相比,双向网络流模型以主机为粒度实现流量双向聚合,利用网络流在协议、端口分布和流对称性方面的特征指标刻画主机间的交互行为,从而发现流量对称性产生的根源.基于西安交通大学校园网流量的实验结果表明,1％的主机承载了90％以上的前向UDP流量,是造成流量对称性的根本原因.相比于传统的网络流模型,文中提出的模型和分析方法能快速定位造成流量对称性的主机,更适用于非业务性网络流量的控制与管理.     

HTTP业务模型的仿真研究

选择准确的流量模型是进行网络研究的基础。针对IEEE802.16m Evaluation Methodology Document中提出的HTTP/1.1流量模型的最新版本,对HTTP流量模型的主要参数进行了评估和验证。详细描述了模型的业务实现过程。最后运用NS2网络仿真平台对实现的HTTP流量模型进行了流量测试和实现。测试结果表明:最新的HTTP/1.1的流量模型并不能完全拟合实际网络中的HTTP流量,流量模型还需进一步改进。     

在大规模网络模拟中实现聚集TCP流量模拟

通过分析聚集TCP流量的数学特征和协议特征,结合自相似数学模型和TCP协议模型,提出了一种既能体现聚集流量特性,又具有自我调节能力的TCP流量模型,并将模型同实际数据进行对比.实验结果表明,该模型在网络拥塞发生和未发生的两种情况下,模拟效果均与实际流量相符.     

一个网络流量监测与预测系统的设计与实现

提出一种网络流量采集及存储方案, 解决了大型网络流量监测的海量数据存储难题; 将流量预测引入网络管理系统, 实现了基于ARMA模型的网络流量预测. 给出了流量数据获取方法, 采用一种“整点平均”流量速率计算方法以提高准确度; 对几种不同流量数据采集存储方案进行了测试比较; 实现并分析了基于ARMA模型的网络流量预测; 给出了一种基于Trap扩展定义的流量超越阈值告警处理方法. 在南昌市大型电信数据网络上的应用表明, 该系统在网络流量监测与预测方面可以取得很好的效果, 且具备良好的性能.     

基于SNMP的流量工程信息采集系统研究

首先提出了基于SNMP(简单网络管理协议)的流量工程网络管理框架模型,然后针对该模型中的网络信息采集部分进行开发和设计,实现了对网络资源和流量信息的实时采集,并对采集到的信息分析和统计,实现流量工程数据库的建立和维护,为流量工程的实施提供准确的流量测量数据和有效的网络管理依据。     

基于机器学习的网络流量分类算法

互联网应用的蓬勃发展产生了种类多样的网络流量。在网络技术不断进化的过程中,新型流量和流量加密技术的出现,使基于端口和基于有效载荷的传统网络流量分类算法的应用受到限制。为了实现对新型网络流量的自动分类,提出了一种基于机器学习的网络流量分类算法。通过选择特征属性和构建决策树模型,能够实现对流量级别的网络数据进行自动分类。使用网络流量分类领域的公开数据集进行训练和测试,并将测试结果与开源的机器学习平台Weka运行结果相比较,实验结果表明:所构建模型性能优良,在流量分类准确度与Weka平台相近甚至更优的前提下,大幅降低了建模时间,提高了网络数据分类的效率。     

一种多级安全系统模型的隐通道流量分析

利用Markov状态机形式化地描述了一种多级的，基于模式转换的安全系统模型，该模型利用系统可分分性构筑，将一个多级的安全系统划分成多个运行模式，利用该模式可提高所设计系统的灵活性，但该模型存在隐通道问题，利用香农信息论和广义图灵测试模型证明该模型中隐通道流量存在上限并给出定量分析，从而为达到可控的系统安全性和灵活性平衡提供了理论基础，采用该系统模型和隐通道流量分析，通过限制模式转换频率和限制参与转换的资源数目等方法可控制隐通道隐患。     

无线传感器网络卡尔曼流量预测算法

基于通用网络流量模型,采用时间序列建模,提出了一种专用于无线传感器网络的卡尔曼流量预测算法KTP/WSN.通过NS2仿真采集流量数据,使用该算法对流量数据进行预测.结果表明,该算法可以提前一个甚至几个周期预测网络节点的拥塞情况,提前做好路由选择,实现路由自适应控制,预测值和原始值偏差很小.进一步进行流量预测可对网络的占空比、能耗等做到提前自适应控制.     

基于重力模型的中国航空网络航线连接驱动力分析

航空网络的航线旅客流量,决定了机场间航线的连接.因此,引起OD流生成的经济社会因素就是航线连接的驱动力.依据重力模型的原理,先选择影响航线OD流量的机场城市经济社会因素,再通过灰色聚类方法,确定出了机场城市的第三产业产值、人均可支配收入和城镇人口是影响OD流量的根本因素;然后分别以这三个因子作为网络优先连接驱动因素,构建与中国实际航空网络规模相当的仿真网络,通过仿真网络和真实网络度值分布曲线对比,发现第三产业对航线连接驱动力最大,其次是人均可支配收入.     

影响信息流的节点间关系模型的研究

计算机网络飞速发展,不同类型的网络日益增多,给网络上的研究带来不便。笔者以信息流为研究对象,针对不同类型的网络,抽取信息流行为共有的模式,对具有统一规则支配的条件能量网络模型中节点间关系模型,进行一定的细化研究,并对改进后的模型如何指导信息流的传输,提出看法。     

基于Linux的流量控制系统研究

计算机网络在各个行业中的应用越来越广泛,网络中的数据流量越来越大.在Linux内核IP数据包过滤系统Netfilter的基础上,结合开源的协议分类器软件L7-filter和流量控制器TC,设计了一套流量控制系统,实现网络数据传输的识别和分类以完成流量控制,从而保证网络的稳定和畅通.测试结果表明:该流量控制系统对硬件要求不高,具有良好的性能,可承担同时并发连接数低于6万的中小型网络的流量控制任务.对于这类中小规模网络,该系统是一个安全、高效、稳定和价格低廉的解决方案,具有较为广阔的应用前景.     

高速公路交通流的RBF神经网络建模

在对城市高速公路交通流模型深入研究的基础上 ,针对在不同环境以及时变系统中对复杂非线性大系统的控制 ,提出了一种改进的快速 RBF神经网络算法对交通流进行建模 ,克服了传统的数学模型对交通非线性大系统建模时泛化能力差的缺陷 .该算法是采用 APC- 单路径聚类算法确定 RBF神经网络结构参数的一种快速 RBF神经网络算法 ,网络训练速度快 ,效果良好 ,对实现交通流的在线建模与控制有重要意义 .文中进行了计算机仿真研究 ,结果表明了方法的有效性     

基于GRNN模型的城市道路短期交通流预测研究

采用剔出了城市道路短期交通流的周周期性特征的周差分数据作为广义回归神经网络（GRNN）模型的预测对象,这样既能避免合理选择交通流影响因素作为神经网络输入变量的困难,又能迅速获得实时短期交通流预测结果。研究结果表明,构建的神经网络模型能够很精确地实时预测城市道路短期交通流。     

孔隙网络模型的可视化方法及应用

在微观渗流领域,孔隙网络模型的应用日渐广泛;但可视化成像方面研究的不足,使其应用受到极大的限制。基于四个基本假设,利用立体几何知识得到了喉道和孔隙体的确定方法。以孔隙网络模型数据文件为研究对象,将其应用于Berea砂岩的孔隙网络模型、复杂孔隙网络模型及孔隙网络模型中含油饱和度分布的可视化;由此将孔隙网络模型立体地呈现在人们面前。这样既可以展现同一个孔隙网络模型的孔隙体和喉道分布,又可以展现复杂孔隙网络模型的孔隙体和喉道分布,甚至还可以展现含油饱和度的分布状况,便于进行流动机理分析和微观剩余油分布分析,从而拓展了孔隙网络模型的应用范围。     

节点环流网络中的最大流算法

为了求出节点有容量并有存储功能的网络中的最大流,提出使用改进的带有节点环流的网络模型。在改进的网络模型中,网络节点改由新的结构代替,即节点分为入点和出点,增加中转弧和节点环。提出了进出节点的配平算法,使用了改进的流量守恒约束,通过虚拟源、虚拟汇进行配平,使用最大流算法求出由节点环流调节过的最大流。在配平算法中,遇到入流容量小于出流容量,要判断节点环流量的大小;遇到入流容量大于出流容量,要判断节点环流的残容量大小。算法应用于流的分配或流的汇聚。     

高速公路动态交通流的神经网络模型

通过对高速公路宏观动态交通流模型的分析，提出了动态交通流的神经网络模型。结合交通调查数据，利用仿真和优化技术对神经网络进行训练，从而获得了比较准确的描述交通流真实行为的模型，仿真结果结果，该神经网络模型具有令人满意的效果。     

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.