网络流量监测技术及应用研究

计算机网络技术的迅猛发展,网络规模越来越大,网络应用越来越复杂多样,网络流量监测已经成为计算机网络应用的重要部分。它作为网络管理的一部分,在网络的性能分析、异常监测、状态监测、容量规划、负载均衡等方面都具有重要的意义。     

基于小波包分析的网络流量组合预测模型

提出一个基于小波包分析的网络流量组合预测模型,将流量数据构成的原始序列进行小波包分解,并将分解得到的各近似部分和各细节部分分别单支重构成低频序列和高频序列.根据低频序列和高频序列的不同特性,分别采用自回归模型（AR）和线性最小均方误差估计（LMMSE）对未来网络流量进行预测,最后重新组合生成预测流量.通过对真实网络流量的仿真实验,结果显示该模型能够对网络流量进行比较精确的预测.     

基于多元高斯分布的网络流量异常识别方法

考虑到传统网络流量异常识别数学模型受网络干扰项影响,会降低网络流量异常识别的精度,提出多元高斯分布的网络流量异常识别数学建模．通过引入多元高斯分布理论,解析网络流量数据包,在获取网络端口的基础上,提取网络流量中的TCP网络流量特征和GPRS网络流量特征;将生成的随机梯度序列结合多元高斯分布序列生成新的网络流量分类,对流量分类器统计分析,确定最终的网络流量分类类别,并通过计算网络流量信息增益,确定网络流量异常情况;通过构建网络流量异常识别数学模型,实现网络流量的异常识别．实验结果表明,所提模型在识别网络流量异常时,提高了识别效率和精度．     

基于改进T-S模糊神经网络的网络流量预测

为提高网络流量的预测精度,在人工蜂群算法和T-S模糊神经网络的基础上,采用一种具有差分进化搜索的蜂群算法训练T-S模糊神经网络,对网络流量进行建模预测。该算法首先利用差分进化算法的变异和交叉算子来替换人工蜂群算法中引领蜂的搜索策略,然后对人工蜂群算法中跟随蜂的搜索策略进行改进,使其在种群最优解附近产生候选食物源,该算法能较好地平衡局部搜索能力和全局搜索能力。将优化后的T-S模糊神经网络用于网络流量预测,并与T-S模糊神经网络、蜂群算法优化T-S进行比较,仿真结果表明该算法具有更高的预测准确性,从而证明该算法在预测领域的可行性和有效性。     

基于多Agent的网络流量管理方法

针对当前网络流量管理中存在的问题,提出一种基于多agent的网络流量管理,其基本思想是将管理功能分成若干组成部分,分别由软件agent实现,这些agetn分布在网络中,相互间进行商和协作,实现自动化和自适应的网络流量管理,为了证明其技术可行性,专门建立发基于agent的网络流量管理实验系统,对该系统的评估表明,多agent非常适合于开发分布式网络流量管理系统,具有实时性高、可扩充性好、自治能力强的特点,而且与现有方法相比,这种系统的建立、修改和升级更加经济。     

采用子网流量组合优化的网络流量分割方法

针对当前基于仿真的流量分割方法存在处理开销过大且仅能保证流层面流量完整性的问题,提出了一种组合优化的网络流量分割方法.将流量经分割后得到的数据包总延迟次数作为优化目标,由此网络流量分割问题转化为二次分配优化问题;用子网流量作为基本单元进行分配,可在减小问题求解规模的同时保证子网流量的完整性.利用真实网络流量对所提方法的分割效果进行了验证,并与基于数据包和流的轮询流量分割方法进行了比较,结果表明,所提方法能够达到基于流的轮询流量分割方法的性能,数据包延迟较之不采用优化的基于子网流量轮询方法显著减小,性能提高近10%.     

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。     

电网调度自动化系统中网络流量的小波分析应用研究

为了保障电网调度自动化系统中的业务正常运行,电网调度自动化系统中网络流量的异常检测至关重要。本文提出了一种基于滑动时窗的小波变换网络流量异常检测算法。该算法通过对网络流量数据进行Haar小波变换,获得细节信号,利用正态分布的法则判断是否存在异常。通过将算法实际应用于贵州电网调度自动化运行管控系统,针对系统中所监控的正向隔离装置网络流量数据进行实时分析,证实了算法的正确性和可行性。     

基于K-Factor GARMA模型的网络流量预测

为衡量网络运行负荷和运行状态,在对目前网络流量预测模型进行研究的基础上,结合GARMA,对网络进行合理规划,使之能过较好描述长相关和短相关流量的特征,并且提出一个拥有简单参数改进的k-factor GARMA预测模型.仿真结果验证了所提方法的有效性.     

高校网络流量测量与控制策略研究

随着我国网络规模的不断扩大,网络流量特征相关研究已成为国内外网络界研究的热点之一。随着校园网络的普及,其所提供的服务渐趋多元化与复杂化,这为高校网络的运行与管理带来诸多问题。文章立足于分析造成校园网络拥塞的原因,在阐述相关网络流量识别技术等基础上,结合高校网络实际,提出了高校网络流量控制策略,以期为高校解决网络拥塞问题提供借鉴与帮助。