SDN的监控框架与自适应监控算法

针对软件定义网络(SDN)的监控效果问题,提出了一种可对网络应用屏蔽底层细节的软件定义网络监控框架及一种自适应的的网络监控算法.该算法通过可变频率流量统计策略动态调整监控采样周期,从而在监控准确率和网络负载之间维持平衡.监控框架通过应用程序接口为上层应用提供监控算法接口,并与底层网络进行数据交互,从而实现了屏蔽底层网络复杂性的监控.实验结果表明,该框架与算法具有较小的监控误差和较低的流量负载,是一种理想的SDN监控方法.     

基于离散粒子群的SDN动态流调度算法

针对数据中心网络中流量路径分配不合理、易导致大流冲突的问题,提出一种基于离散粒子群的软件定义网络(SDN)流量调度算法.该算法重定义粒子群内部的寻解过程,以最优化网络性能为目标,动态地为数据中心的流量分配最优路径,以减少大流量冲突;并引入Metropolis设计多元化最优调度方案,确保数据中心流量的合理调度.与其他流量调度算法进行对比验证的实验结果表明,该算法提升了网络质量,降低了大流时延,实现了更好的负载均衡.     

采用OpenFlow交换机的服务器负载均衡策略

云数据中心对服务器的海量并发访问十分普遍.传统网络架构难以全局控制流量转发,需要配置昂贵的负载均衡器应对这一应用场景.软件定义网络SDN(software defined network)能够通过控制器全局掌控网络状态,并以交换机作为负载均衡器,从而降低部署成本.文中提出一种采用OpenFlow交换机的服务器负载均衡策略,通过多地址定向流表对服务请求进行分区映射,以活动连接数作为负载评估参数,通过蚁群算法求解最佳负载重定向方案.在负载迁移时,采用单地址定向流表来保证不同阶段流量的有序转发.实验结果显示,该策略能有效控制流表规模,并较传统均衡策略具有更优的性能.     

基于SDN架构的最短路由优化算法研究

本文提出一种基于软件定义的无线Mesh网络路由协议(SDWMR),将软件定义网络(SDN)与无线M esh网络相结合,由具有全局网络视图的逻辑集中控制器负责所有控制决策;首先通过控制器与M esh节点建立初始路径,根据初始路径进行最短路径优化,优化过程由Dijkstra最短路由算法完成;其次将优化后的规则通过初始路径传输到各个底层Mesh节点中．当路径传输大规模流量时本文以分流算法均衡路径负载,从而避免路径拥塞．SDN的引入为无线Mesh解决了路径故障问题,并且提升了路由效率．本文路由协议已使用M ininet-Wifi网络模拟工具仿真,仿真结果表明,在网络吞吐量、丢包率、延迟等网络性能方面SDWM R协议优于已有的路由协议如混合OpenFlow的优化链路状态路由协议(OF-OLSR)、三阶段路由协议(ThreeStage)等．     

基于语义网技术的SDN建模及网络资源管理接口研究

SDN(Software-Defined Networking,软件定义网络)具有功能丰富的北向接口,常用于开发人员编程实现网络功能,但网络管理人员难以通过现有的北向接口直观的了解网络情况.结合语义网技术,使用本体语言OWL对SDN网络进行多层次、细粒度的本体建模,用RDF对其进行描述,建立SDN网络资源的抽象网络视图,尽可能同底层网络解耦.此后以SPARQL查询语言作为网络资源管理的人机接口和编程接口,实现网络管理员对最短路径和网络资源Qo S的查询,对SDN网络进行图形化管控,并针对不同服务进行策略管理.     

动态的 SDN 网络流量模式增量学习算法

针对基于人工神经网络的流量统计特征学习算法在动态适应性和可扩展性等方面尚显不足.提出了一种基于增长型自组织映射(GSOM)的增量学习算法,对软件定义网络(SDN)数据平面交换机的流表统计信息进行持续学习,动态获取网络流量的GSOM神经网络模型.基于DARPA99数据集的实验结果表明:所提出的算法能够通过学习确认安全的SDN流量,获得稳定、可塑的流量模式,对异常流量也有较高的敏感度.     

SDN中一种多控制器负载均衡方案

针对软件定义网络(software defined network,SDN)中控制器子域分区不合理导致的控制器负载分配不平衡、网络通信性能下降的问题,本文提出一种基于负载均衡的多控制器部署(multi-controller load balancing,MLB)方案.在初始静态网络中,提出一种基于域内和域间通信成本的负载平衡控制器部署模型,并将流量请求转换为排队模型. MLB将近邻传播(affinity propagation,AP)算法中的偏置参数和阻尼系数这两个参数作为粒子,通过粒子群优化(particle swarm optimization,PSO)算法对其进行智能调整,解决集群性能受偏置参数和阻尼系数初始值影响的问题,得到合理的网络规划.实验结果表明:与亲缘传播算法和遗传算法(genetic algorithm, GA)相比,该方案可以提供更稳定、准确和负载均衡的多控制器部署.     

基于流量监控的负载平衡策略

网络流量的负载均衡问题是近来迫切需要解决和完善的问题.通过在SNMP模式作为网络流量采集技术的网络流量监控系统进行流量监控,基于m的一些特有的优势与属性引入了移动代理的技术,根据对主机的实时监控,来进行计算机负载合理分配的策略研究,从而为消除网络瓶颈,提高系统的资源利用提供一种新的思路.     

链路洪泛攻击的SDN移动目标防御机制

针对Crossfire分布式拒绝服务(distributed denial of service,DDoS)攻击,该文提出一种基于软件定义网络(software defined network,SDN)的攻击防御机制。在对Crossfire攻击分析基础上,设计一个SDN流量层级的集中监测及分流控制模型并部署到防御机制中,利用SDN的重路由策略疏解被攻击链路的拥塞负载,通过对流量的灵活调度缓解拥塞并避免关键链路中断对网络业务造成严重干扰。利用SDN的移动目标防御(mobile target defense,MTD)机制动态调整网络配置和网络行为并诱使攻击者对攻击流量进行调整,提高诱饵服务器对攻击的检测效率。实验结果表明:该机制可以有效防御Crossfire攻击且SDN的防御机制和重路由策略不会造成显著开销。     

一种SDN中实现最优化媒体流量的自适应排队算法

针对网络中媒体流量对吞吐量、 时延等指标要求较高, 而静态的流量和队列管理机制难以适应各种实际需求的问题, 提出一种自适应排队算法. 该算法利用软件定义网络(SDN)所具有的灵活网络和流量管理能力, 能灵活地为流量分配资源和优先级, 有效提高了网络资源的利用率. 仿真实验验证了所给方法的可行性.     

基于SDN网络多路径负载均衡算法研究与仿真

针对传统网络链路负载均衡实时性、动态性差的问题,对下一代互联网技术SDN网络技术,设计出基于SDN的多路径负载均衡(SDN-Multi-path Balance,SDN-MB),该设计模型能够通过其网络控制器实时获取全局链路信息,从而计算出源节点和目的节点之间的多条路径,通过链路权值和流量阈值选取出最优路径并做出实时调整.最后用仿真模拟软件Mininet进行仿真,结果显示SDN-MB模型比传统网络模型在带宽利用率和平均延迟方面,都有显著的提高,验证了SDN-MB模型的有效性.     

探讨SDN流表的回溯式负载均衡技术应用与优化

SDN软件定义网络是新型的网络架构,体现出良好的转发与控制解耦、集中控制等特性,较好地解决流量不均衡分布而引发的热路径瓶颈问题,对于解决网络流量不均衡分布而引发的热路径问题有重要的作用。为此,本文重点探讨和研究基于SDN流表的回溯式负载均衡技术,构建基于SDN流表的回溯式负载均衡系统,提升网络路径负载均衡的适应性。     

基于代数连通度的软件定义网络节能算法

软件定义网络(software defined network,SDN)在快速发展中面临许多新挑战,其中能耗问题尤为突出.学者们提出了许多节能方案,但目前已有的方案存在依赖传统网络背景,需要实时流量数据,不易部署,连通稳定性兼顾不全等问题.因此,提出一种基于代数连通度的软件定义网络节能算法(energy saving ...     

基于SDN的动态资源分配算法

针对软件定义网络(SDN)能够执行多种并发、 动态网络测量任务的特点, 提出一种自适应的网络测量框架. 该框架能动态调整分配给各测量任务的资源, 从而确保用户层面上对测量精度的要求. 设计并实现了相应的系统原型, 并采用3种不同的网络测量业务对该方法进行验证. 实验结果表明, 该方法在任务测量精度满足率和任务拒绝率上具有更优的性能, 与传统方法相比精确性更高.     

一种基于深度强化学习的SDN路由算法

为解决软件定义网络(SDN)中的流量工程(TE)问题,提出了一种深度强化学习路由(DRL-Routing)算法.该算法使用较全面的网络信息来表示状态,并使用一对多的网络配置来进行路由选择,奖励函数可以调整往返路径的网络吞吐量.仿真结果表明,DRL-Routing可以获得更高的奖励,并且经过适当的训练后,能使各交换机之间...     

SDN环境下基于动态阈值的DDoS攻击检测方法研究

软件定义网络SDN技术改变了传统网络中数控结合的局面,简化了网络管理。然而,SDN面对分布式拒绝服务DDoS攻击时也显得捉襟见肘。探讨了SDN环境下基于动态阈值的DDoS攻击检测问题。通过SDN网络的特点,提出了一种由触发检测和深度检测相结合的DDoS检测机制。该机制先根据收集到的流量状态计算网络环境的熵,并根据网络条件推导出一个动态阈值来进行粗粒度的异常预警。深度检测在预警信息后启动,通过基于机器学习的分类算法进行判断环境是否遭受到DDoS攻击。最后通过仿真环境实验表明,该机制可以有效的检测出环境是否遭受攻击,具有较高的检测率和较低的误检率。     

基于SDN的家用路由器安全审计工具

在僵尸网络等威胁的环境下,本文提出了一种基于OpenFlow协议的无线路由器安全审计功能的设计与实现,旨在于通过计算信息熵检测路由器的流量是否存在异常,并将检测系统置于软件定义网络（software defined network,SDN）架构下,实现控制、展示功能.实验结果表明,整个系统能在明显检测网络中的DDoS攻击的前提下,使整个系统的运行内存仅有8 MB,网络负载仅有2.67%.      

基于时延的软件定义卫星网络控制域规划策略

现有软件定义网络（SDN）多控制器划域研究大多基于拓扑相对固定的地面网络,难以适应拓扑动态变化的卫星网络,而现有卫星网络研究在处理时延问题时大多只考虑传播时延。针对这一问题,在建立模型时引入控制器处理时延、排队时延对划域的影响,提出了一种面向软件定义卫星网络（SDSN）的时延分析模型。借助该模型进行SDSN多控制域的划分。经过仿真验证,与现有的地面SDN多控制域规划算法及卫星网络控制域划分方法相比,该算法能够更好地适应卫星网络环境,有效降低网络时延,使控制器间负载均衡性能提升40%以上。同时迭代跳出机制使得算法运行速度快,能够适应卫星网络拓扑的快速变化。     

一种媒体数据高效直播的NFV-SDN框架设计

Open Flow是软件定义网络(SDN)的核心协议,能实现网络系统控制与转发的分离,加速网络数据的传输。NFV作为SDN的一种实现思路,是解决媒体数据基于OTT传输的低延迟与可扩展性的可靠手段。本设计首先采用Flow Visor对传输网络进行虚拟网络层的构建,分析了一种满足Qo S需求的采用Open Flow协议与SDN控制器产生Flow-table实现数据快速传输的机制,最后给出一种用于媒体数据快速传输的NFV-SDN框架。实验结果表明提出的NFV-SDN框架能较大程度地缩短流媒体端到端传播的延迟时间,且减少跳点数与服务负载,提升了网络数据传输的流畅性。     

SDN环境下基于Renyi熵的低速率分布式拒绝攻击的检测

针对现在对低速率分布式拒绝攻击的研究不足,提出了一种在软件定义网络(SDN)环境下,利用Renyi熵来检测L-DDoS的方法.该方法首先在控制器上收集PACKET_IN数据包,然后基于目的 IP来计算Renyi熵,最后通过设定一定的阈值来检测异常流量.实验结果表明:相比于利用香农熵的检测方法,该方法通过调整一定目的 IP熵的阶数可以检测L-DDoS攻击流量从而降低误警率.