相对误差受限的数据流流量测量算法

发布时间：2018-06-15 22:35

  本文选题：流量测量 + 布鲁姆过滤器　； 参考：《计算机科学》2013年06期

【摘要】：数据流流量测量的精度采用错误概率和相对误差进行衡量。现有的流量测量算法主要关注如何降低错误概率,而对如何减小相对误差则缺乏研究。考虑到减小相对误差对于流量计费等应用的重要意义,提出了一种相对误差受限的数据流流量测量算法MT-dlCBF(Multi-Tier d-left Counting Bloom Filter)。MT-dlCBF由多层dlCBF(d-leftCounting Bloom Filter)构成,且随着层数的提高,dlCBF中数据流指纹长度和流量计数器宽度也逐步增加,这样,可减轻长流对于短流的干扰,从而达到减小相对误差的目的。理论分析和仿真实验的结果表明,与dlCBF相比,MT-dl-CBF的错误概率略有增大,但相对误差显著减小。此外,在典型的参数条件下,MT-dlCBF的空间效率略优于dlCBF。
[Abstract]:The accuracy of data flow measurement is measured by error probability and relative error. Current flow measurement algorithms focus on how to reduce error probability, but lack of research on how to reduce relative error. Considering the importance of reducing relative error to traffic accounting and other applications, this paper proposes a new data flow measurement algorithm, MT-dlCBFU Multi-Tier d-left Counting Bloom filter. MT-dlCBF is composed of multi-layer dlCBFFPd-leftCounting Bloom filter. With the increase of the number of layers, the length of data flow fingerprint and the width of flow counter in dlCBF also increase step by step. In this way, the interference of long flow to short flow can be reduced and the relative error can be reduced. The theoretical analysis and simulation results show that the error probability of MT-dl-CBF increases slightly compared with dlCBF, but the relative error decreases significantly. In addition, the spatial efficiency of MT-dlCBF is slightly better than that of dlCBF under typical parameter conditions.
【作者单位】： 解放军理工大学通信工程学院;
【基金】：江苏省自然科学基金项目(BK2010103)资助
【分类号】：TP393.06

【参考文献】

相关博士学位论文 前1条

1 周明中;大规模网络IP流行为特性及其测量算法研究[D];东南大学;2006年

【共引文献】

相关期刊论文 前3条

1 宁卓;孙知信;龚俭;张维维;;利用流量特征的GIDS报文分类优化算法[J];电子学报;2012年03期

2 陈宇;韩华军;;虚拟化和入侵检测在网络安全中的应用[J];福建电脑;2011年12期

3 王明定;赵国鸿;陆华彪;;基于网络流量特性分析的高速入侵检测分流算法[J];计算机应用研究;2010年09期

相关博士学位论文 前2条

1 张进;基于布鲁姆过滤器的IP骨干网流量分析前端处理算法研究[D];解放军信息工程大学;2008年

2 张震;基于流量测量的高速IP业务感知技术研究[D];解放军信息工程大学;2012年

相关硕士学位论文 前10条

1 董永吉;基于公平机制的网络测量抽样算法研究[D];解放军信息工程大学;2009年

2 张震;高速IP网络中流量测量的关键技术研究[D];解放军信息工程大学;2009年

3 钮晓娜;业务感知的互联网流量管理关键技术研究[D];解放军信息工程大学;2009年

4 崔燕;基于行为特征的P2P流识别技术的研究[D];解放军信息工程大学;2009年

5 张果;IP骨干链路流量测量技术研究[D];解放军信息工程大学;2010年

6 冯国兴;网络流量负载均衡策略的研究与实现[D];电子科技大学;2011年

7 许应新;分组交换系统中的共享缓存管理策略的研究[D];电子科技大学;2011年

8 纽晓娜;业务感知的互联网流量管理关键技术研究[D];解放军信息工程大学;2009年

9 沈新;基于DPI和DFI的P2P流量检测技术研究[D];汕头大学;2011年

10 白玉;GPON系统动态带宽分配算法研究[D];哈尔滨工程大学;2011年

【二级参考文献】

相关期刊论文 前2条

1 肖明忠,代亚非,李晓明;拆分型Bloom Filter[J];电子学报;2004年02期

2 洪飞,吴志美;基于小波的Hurst指数自适应估计方法[J];软件学报;2005年09期

【相似文献】

相关期刊论文 前10条

1 于广辉;陈衡;李英壮;房俊梅;;基于IXA架构的流量测量系统设计[J];大连理工大学学报;2005年S1期

2 李晟;刘嘉;;网络流量测量的自适应抽样方法研究[J];苏州科技学院学报(自然科学版);2008年01期

3 王宏;龚正虎;殷泰晖;;HiTM:一种高速流量采集方法[J];计算机工程与科学;2008年08期

4 张震;汪斌强;陈庶樵;周粳迪;;基于滑动窗口的资源可控流量测量算法[J];计算机工程;2010年03期

5 赵国锋;闫亮;王影;;快速流分类算法的研究[J];数字通信;2010年01期

6 林明方;;高速网络流量测量中抽样技术的研究[J];硅谷;2010年10期

7 程连生;;网络流量分析与应用[J];硅谷;2010年10期

8 杨新宇,魏恒义,程竹林,郑守淇;一种新的端到端采样网络流量测量方法[J];微电子学与计算机;2003年08期

9 高文宇;陈松乔;王建新;;分组采样技术研究[J];计算机科学;2005年02期

10 睢丹;关涌涛;;校园网流量自相似特性的研究[J];安阳师范学院学报;2006年05期

相关会议论文 前3条

1 桂晓琳;许向阳;;基于Elman神经网络的网络流量预测[A];全国自动化新技术学术交流会会议论文集（一）[C];2005年

2 高长喜;辛阳;钮心忻;杨义先;;基于行为特征分析的P2P流量识别技术的研究[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

3 程光;龚俭;;大规模互联网流量测量研究[A];开创新世纪的通信技术——第七届全国青年通信学术会议论文集[C];2001年

相关博士学位论文 前8条

1 张震;基于流量测量的高速IP业务感知技术研究[D];解放军信息工程大学;2012年

2 王洪波;互联网测量系统可扩展性问题及其关键算法研究[D];北京邮电大学;2006年

3 王宏;网络综合流量管理关键技术研究[D];国防科学技术大学;2008年

4 文吉刚;多跳无线网状网中P2P流媒体分发技术研究[D];湖南大学;2011年

5 郭磊;面向高速网络管控的多业务识别关键技术研究[D];解放军信息工程大学;2012年

6 郭良敏;P2P文件共享系统中的副本技术研究[D];中国科学技术大学;2011年

7 毕夏安;高性能包分类技术及其应用研究[D];湖南大学;2012年

8 周再红;DDoS分布式检测和追踪研究[D];湖南大学;2011年

相关硕士学位论文 前10条

1 白翔宇;校园网络流量测量与分析[D];内蒙古大学;2004年

2 赵新波;网络流量趋势预测算法及在网管中的应用[D];哈尔滨工程大学;2004年

3 李晟;宽带互联网流量测量与分析[D];郑州大学;2005年

4 罗维东;Internet网络流量预测[D];西华大学;2008年

5 马椺椺;基于Flow的IP QoS流量分析系统设计与实现[D];北京邮电大学;2008年

6 张生华;一种面向DPI的内存高效的布鲁姆过滤器研究[D];湖南大学;2009年

7 张健;网络流量异常检测系统的设计与实现[D];西华大学;2009年

8 刘存良;基于采样算法和自动聚类算法的网络流量监测模型[D];北京邮电大学;2009年

9 李伟;IT网管系统中流量管理子系统的设计与实现[D];北京邮电大学;2009年

10 韩健;基于通用PC平台的流量测量方法的研究与评估[D];湖南大学;2010年

，

本文编号：2023907