网络中的流量模型

流量模型是流量预测和网络性能评价的基础。好的流量模型必须能够准确描述网络实际流量的特征情况，这样才能准确预测流量状况。然而近年来研究发现网络流量具有自相似性，传统的基于泊松分布的流量模型已不能很好地表述这一特征。根据流量的不同相关特性，介绍了当前网络应用的典型模型，对它们的特点进行了分析论述。     

基于分形序列的流量模型

文中设计了一种调整方差随机二分法的分形序列生成方法, 调整该方法中的参数值可生成单分形或重分形的序列, 生成的单分形序列的自相似度和生成的重分形序列的勒让德谱取决于参数值. 该方法的时间复杂度为O(n), 由三种不同的Hurst检测方法证实了该方法具有较高的准确度. 通过分析网络流量的特征, 指出网络流量在一定的尺度上可能同时存在长相关和重分形的特性,本文提出的分形序列生成方法能生成具有不同程度突发的分形序列,可灵活的仿真不同的网络流量.     

OBS网络中IP分组长度分布对业务流自相似性的影响

近年来,大量研究发现,网络流量呈现自相似性,自相似会导致数据分组延迟增大,丢包率增加,网络性能恶化。着重论述了在OBS固定时间汇聚算法下,用于汇聚成突发数据分组的IP分组长度对业务流自相似影响的问题。突发数据分组的汇聚算法是光突发交换的关键技术之一,其中,固定时间汇聚(FAP)算法可以平滑流量、降低流量自相似性。用于汇聚成突发数据分组的IP分组,其自身长度对固定汇聚(FAP)算法的流量整形有一定影响。仿真结果表明,存在最佳汇聚时间门限,能极大地降低业务流自相似程度,且最佳汇聚时间门限与IP分组长度均值有着密切关系。     

OBS网络中IP分组长度分布对业务流自相似性的影响

近年来,大量研究发现,网络流量呈现自相似性,自相似会导致数据分组延迟增大,丢包率增加,网络性能 恶化。着重论述了在OBS固定时间汇聚算法下,用于汇聚成突发数据分组的IP分组长度对业务流自相似影响的 问题。突发数据分组的汇聚算法是光突发交换的关键技术之一,其中,固定时间汇聚（FAP）算法可以平滑流量、降 低流量自相似性。用于汇聚成突发数据分组的IP分组,其自身长度对固定汇聚（FAP）算法的流量整形有一定影 响。仿真结果表明,存在最佳汇聚时间门限,能极大地降低业务流自相似程度,且最佳汇聚时间门限与IP分组长     

基于数据挖掘的网络业务流分析方法

为了从业务角度对网络的性能进行评价和优化,提出了一种新的网络业务分析方法——具有时态路径约束的关联规则挖掘分析方法.该方法以网络业务为分析粒度,以与网络业务流相关的时态属性和路径属性为约束条件,对已经积累的反映网络状况的海量历史数据进行挖掘分析.在进行关联规则挖掘时,利用频繁数据项集的性质,通过引入事务标号,在求出候选频繁项集的同时也求出其支持度,避免了为求支持度而进行的扫描数据库运算,极大提高了挖掘的效率和速度.实验结果表明,进行挖掘分析的数据量越大,该方法的性能和效率就越好.     

网络仿真中产生自相似业务流的几种方法

传统的业务模型大多基于Poisson模型或其改进形式,假定业务突发长度显负指数分布,近期真实网络流量分析表明很多信息源会产生在多时间尺度下具有自相似特性的信息流,该性质显地影响宽带网的流量控制及其排队分析,本综合地介绍了自相似的数学描述和性质,五种自相似业务流的产生方法,其中有两种给出了具体的算法,还总结了几种主要的估计Hurst参数的方法。     

一种多业务流网络的QoS设计与实现

利用工程设计方式设计与实现了一个多业务网络的QoS控制.采用前期分析、中期设计、设计实现等工程步骤,来保障整个网络的QoS实现的质量,避免了传统上依靠经验来实现QoS的弊端.     

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.     

面向网络业务流设计的时态路径约束关联规则算法

提出了一种新的基于业务流分析方法,采用关联规则挖掘的算法对全网业务进行关联关系分析,该方法在Aprior算法的基础上,引入时态约束的路径约束,使之更加体现网络业务的特性。使用该方法,可以充分利用已有数据,分析已有业务的行为,且可以预测未来业务的行为。模拟实验结果表明,该算法对业务流分析中不同业务之间的相关性发现是非常有效的。     

基于小波分析的WiMax网络业务流长相关性

为了精确有效地检测WiMax网络业务流的长相关性,利用自相似随机过程和小波变换都具有尺度不变性的特性,建立了表征长相关性的Hurst参数和小波系数的统计量.研究了业务流长相关性的小波估计法,反复选择小波消失矩和优化尺度参数的范围,减小这些因素对检测结果的影响.利用ON/OFF模型仿真WiMax网络中5种不同类型业务流,然后使用小波估计法对trace文件进行分析.检测分析结果表明:实时业务流的长相关性比较小,非实时业务流的长相关性相对较大;随着网络负载的增大,业务流的长相关性会略有变化,聚合业务流的长相关性的检测值与理论值基本吻合.     

基于小波变换的网络流量预测

由于现代的数据通信网络中网络流量存在很强的自相似性,如何降低这种自相似性给网络的性能造成的不利影响成为大家关注的焦点。本文通过实际的网络流量数据,利用小波变换和平稳时间序列的AR模型,实现了对网络流量很好的预测,其结果对于在网络中优化排队算法和实施流量工程具有很好的参考价值。     

IP城域网流量监测方法及网络流量模型

为了有效克服传统流量监测方法仅对数据包进行传输层以下协议进行分析而不能识别P2P（Peer-to-Peer）应用的问题,分析了远程网络监控(RMON：Remote Network Monitoring)、xFlow和探针等流量监控方法的特点及适用情况。并在城域网接入层、汇聚层和城域网（MAN：Metropolitan Area Network）出口3个层面部署探针进行流量监测和分析,获得了完整的流量分布模型。实验表明,通过探针方式网络流量进行分析是全面而有效的。     

基于FBM的流量自相似性研究

指出传统FBM模型不能描述短程相关性流量的原因,并对其改进,改进后的FBM模型弥补了传统的FBM模型不能适应短程相关性的描述问题,同时使模型的表示更为简洁,适应性好.仿真表明,改进后的模型能够满足不同范围尺度的相关性.     

网络流量自相似性产生原因的分析

网络业务自相似性已经引起了人们广泛关注,一些研究表明自相似性是网络业务中的一个普遍特性,网络自相似性表现出了与传统模型不同的特征。对网络业务自相似的相关理论作了阐述,对网络业务自相似相关研究工作进行了细致研究,在此基础上初步分析了网络业务自相似产生的原因。     

长相关业务量平均排队延迟的神经网络估计方法

从学者研究自然结构和科学数据的自相似性和分形性质,如网络流量数据等中,引入了一种估计多源排队系统中平均排队延迟的新方法。应用神经网络建模方法对自相似业务量进行预测并测定到达率和丢包率,以适应自相似流量模式的排队系统。     

一种新的自相似流量模型的网络性能分析

网络流量的自相似性给流量控制和网络资源的管理带来了新的挑战。基于传统流量模型的网络性能结论和网络设计策略不能完全适用于具有自相似流量的高速网络中,采用较符合实际流量特征的、并具有自相似特性的随机过程——随机相位正弦波作为队列服务系统的输入流量模型,运用排队理论推导和分析了这种新的流量模型的网络性能,然后探讨了改善自相似流网络性能的流量控制方法和设想。     

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。     

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.     

IP网络流量产生器的研究与实现

分析了造成IP网络流量自相似性的根本原因以及ON/OFF源汇聚程度对自相似度的影响.针对上述分析结论,实现了一个能够单点或分布式产生IP网络自相似业务量的产生器.实际环境中测试显示,该产生器能够较好地反应文件大小,协议类型,ON/OFF逗留时间以及源汇聚程度与自相似度之间的关系.