高速网络中的大流识别技术研究

发布时间：2017-05-25 08:02

  本文关键词：高速网络中的大流识别技术研究，由笔耕文化传播整理发布。

【摘要】：网络流量测量是网络安全、带宽控制和流量计费的基础。但是在高速骨干链路中,要处理海量的流量数据,对网络流量进行准确测量,难度很大。传统的面向数据包级的全数据采集测量方法已不再适用,现在对流量的测量主要采取面向网络流的测量方法。研究表明,网络流普遍服从重尾分布,即少数流占据了绝大部分流量。所以通过关注大流信息,就可以满足对网络情况的了解。但是在高速骨干网络链路中,数据包到达的速率极快。在网络大流识别过程中,大量小流突发到来,会对大流的识别造成影响。本文中,先研究了哈希技术、LRU技术,结合它们各自的优势,采用了“小流过滤”和“大流预保护”的策略,形成了一种新的大流识别算法。此算法先使用哈希技术对流信息过滤,将达到过滤阈值的流信息转移至LRU结构进行大流筛选,将识别出的大流进行隔离保护,并使用合理的策略选择淘汰流信息。经过理论分析和实验验证,此算法的时间复杂度和空间复杂度均较低,对大流的识别准确率较高。为了进一步减小算法的漏报率,提高大流识别准确度,本文中还研究了抽样技术,在算法中加入了淘汰流的二次筛选过程。根据淘汰流成为大流的潜力,来确定对它抽样的概率。把抽中的流信息放入二次筛选区,当满足一定条件后,将重新放回LRU结构。经过分析,此方法能有效防止大流信息的误淘汰,虽然为算法增加了少量存储需求,但在当前硬件环境中完全能满足。最后,对本文的工作进行了总结,结合分析中遇到的问题,为下一步研究指明了方向。
【关键词】：大流 识别 布鲁姆过滤器 抽样 LRU
【学位授予单位】：江南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.06
【目录】：

• 摘要3-4
• Abstract4-7
• 第一章 绪论7-12
• 1.1 研究背景和意义7-8
• 1.2 国内外研究现状8-10
• 1.3 本文研究内容10
• 1.4 本文的结构安排10-12
• 第二章 背景知识综述12-25
• 2.1 网络流简介12-13
• 2.1.1 流的概念12
• 2.1.2 流的重尾分布特性12-13
• 2.1.3 针对网络流研究的必要性13
• 2.2 网络测量技术分类13-15
• 2.3 网络大流识别技术15-16
• 2.3.1 大流识别面临的问题15
• 2.3.2 大流定义方法15
• 2.3.3 大流识别方法15-16
• 2.4 哈希技术研究16-22
• 2.4.1 哈希原理16-18
• 2.4.2 Bloom Filter研究18-20
• 2.4.3 基于Bloom Filter的升级算法20-22
• 2.5 LRU技术研究22-23
• 2.5.1 LRU原理22-23
• 2.5.2 LRU算法在网络大流识别中的应用23
• 2.5.3 基于LRU改进的大流识别算法23
• 2.6 本章小结23-25
• 第三章 基于FEFS和CBF的网络大流识别技术25-37
• 3.1 基于频率和大小的流提取算法25-26
• 3.2 基于FEFS和CBF的大流识别算法26-35
• 3.2.1 算法结构26-27
• 3.2.2 算法流程27-30
• 3.2.3 理论分析30-32
• 3.2.4 实验分析32-35
• 3.3 本章小结35-37
• 第四章 基于淘汰流保护的FEFS-CBF算法37-47
• 4.1 抽样技术研究37-39
• 4.1.1 抽样概念37
• 4.1.2 抽样触发机制37-38
• 4.1.3 抽样方法38-39
• 4.1.4 抽样估计与偏差检验39
• 4.2 基于淘汰流保护的FEFS-CBF算法39-46
• 4.2.1 算法结构39-40
• 4.2.2 参数定义与设定40
• 4.2.3 算法流程40-42
• 4.2.4 理论分析42-43
• 4.2.5 实验分析43-46
• 4.3 本章小结46-47
• 主要结论与展望47-49
• 主要结论47
• 展望47-49
• 致谢49-50
• 参考文献50-52
• 附录: 作者在攻读硕士学位期间发表的论文52

【参考文献】

中国期刊全文数据库 前10条

1 王洪波;裴育杰;林宇;程时端;金跃辉;;基于LRU的大流检测算法[J];电子与信息学报;2007年10期

2 姚灿中;杨建梅;;幂律拟合的进展及其在产业网络中的应用[J];管理学报;2008年03期

3 谢冬青;周再红;骆嘉伟;;基于LRU和SCBF的大象流提取及其在DDoS防御中的应用[J];计算机研究与发展;2011年08期

4 程光 ,龚俭 ,丁伟;网络测量及行为学研究综述[J];计算机工程与应用;2004年27期

5 陈楚;许勇;张凌;;重尾分布对网络流量性质的影响[J];计算机应用;2009年06期

6 李臻;杨雅辉;张广兴;;大业务流识别方法研究综述[J];计算机应用研究;2011年01期

7 杨望;;CAIDA提供互联网数据共享服务[J];中国教育网络;2008年05期

8 夏靖波;任高明;;大流识别方法综述[J];控制与决策;2013年06期

9 王风宇;郭山清;李亮雄;云晓春;;一种高效率的大流提取方法[J];计算机研究与发展;2013年04期

10 张玉;方滨兴;张永铮;;高速网络监控中大流量对象的识别[J];中国科学:信息科学;2010年02期

  本文关键词：高速网络中的大流识别技术研究，由笔耕文化传播整理发布。

，

本文编号：393097