针对残缺IP网络的链路预测技术研究

发布时间：2017-08-15 07:01

  本文关键词：针对残缺IP网络的链路预测技术研究

  更多相关文章： IP网络 链路预测 拓扑还原

【摘要】：在对非合作目标网络进行被动的拓扑测量时,往往需要通过捕获大量的网络数据包进行分析还原。通过对还原出的残缺IP网络进行链路预测,就可以有针对性地传回一些网络报文数据,利用有限的报文数据尽可能完整地还原非合作目标网络的拓扑结构。本文主要利用Internet显示出的小世界网络、无标度网络以及其结构具有自相似性等特征研究将现有的链路预测技术应用于残缺IP网络拓扑的链路预测,研究不同的链路预测算法在不同类型的IP网络中的预测结果,同一类型的IP网络中不同的链路预测算法在不同残缺程度下的准确度,以及同一类型的IP网络中不同链路预测算法在不同网络大小的准确度。通过对校园网、ISP骨干网、AS级IP网络拓扑三种类型的网络进行链路预测研究。在校园网上,从实验结果中我们可以看出,优先连接指标的效果要明显好于其它算法。而在骨干网上,除了优先连接指标外,AA指标和资源分配指标在部分网络中也有较好地表现。在AS级网络拓扑上,优先连接指标总体预测结果要明显好于其它算法,但是其精确度并不高。大度节点不利指标、Jaccard指标、LHN-I指标、Salton指标和Sorenson指标五个算法在上面3种类型的IP网络中都表现很差,并不适合应用于IP网络的链路预测。通过模拟不同残缺程度的残缺拓扑,并对这些残缺拓扑使用十种链路预测算法进行链路预测,分析了各个链路预测算法在不同残缺程度下链路预测的准确性的变化。通过实验分析,我们可以看出优先连接指标在处理各种残缺程度的链路预测拓扑时都比其它链路预测算法要具有较好的结果。通过模拟不同规模的残缺拓扑,并对这些残缺拓扑使用链路预测算法进行链路预测,分析各个链路预测算法在不同网络规模下链路预测的准确性以及它们随着拓扑规模的变化其准确性的变化。通过实验分析,优先连接指标在处理各种网络规模的链路预测拓扑时都具有较好的结果,然后是资源分配指标、AA指标和共同邻居指标。这四个算法都在较小的网络规模下具有较好的准确性。
【关键词】：IP网络 链路预测 拓扑还原
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.06
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-20
• 1.1 课题背景及研究目的和意义9-10
• 1.2 国内外研究现状10-14
• 1.2.1 基于结构相似性的评分法11-13
• 1.2.2 基于最大似然估计的层次随机图算法13-14
• 1.3 相关理论知识介绍14-18
• 1.3.1 网络模型的发展14-15
• 1.3.2 网络统计参数介绍15-16
• 1.3.3 链路预测算法评价方法16-17
• 1.3.4 节点重要性评价方法介绍17-18
• 1.4 本文的主要研究内容及结构18-20
• 第2章 针对不同类型网络的链路预测算法分析20-39
• 2.1 引言20
• 2.2 评价方法的改进20-22
• 2.3 链路预测技术在校园网上的应用22-29
• 2.3.1 校园网实验数据获取及预处理23-24
• 2.3.2 实验步骤及结果分析24-29
• 2.4 链路预测技术在骨干网上的应用29-35
• 2.4.1 骨干网实验数据获取及预处理29-30
• 2.4.2 实验步骤及结果分析30-35
• 2.5 链路预测技术在AS级拓扑的应用35-37
• 2.5.1 AS级网络实验数据获取及预处理35
• 2.5.2 实验步骤及结果分析35-37
• 2.6 小结37-39
• 第3章 针对网络残缺度的链路预测算法分析39-43
• 3.1 引言39
• 3.2 网络连接残缺程度定义39
• 3.3 实验设计与结果分析39-42
• 3.3.1 实验设计与实现39-40
• 3.3.2 实验结果及分析40-42
• 3.4 小结42-43
• 第4章 针对网络规模的链路预测算法分析43-48
• 4.1 引言43
• 4.2 网络规模的定义43
• 4.3 实验设计与结果分析43-47
• 4.3.1 实验设计与实现43-44
• 4.3.2 实验结果及分析44-47
• 4.4 小结47-48
• 结论48-49
• 参考文献49-52
• 攻读硕士学位期间发表的论文及其它成果52-54
• 致谢54-55

【相似文献】

中国期刊全文数据库 前10条

1 王万良;正交逼近预测算法及其在电脑充绒机中的应用[J];信息与控制;1994年04期

2 李文泽;盛光磊;;一种基于粒子群的实际业务流预测算法[J];微电子学与计算机;2014年01期

3 杨断利;张立梅;籍颖;吕晶;;河北省风能特征及其对风速预测算法的改进[J];科技传播;2013年06期

4 朱斌;樊祥;马东辉;程正东;;窗口大小和权值模板对固定权值背景预测算法的影响[J];红外与激光工程;2006年S4期

5 王祖俪;程小平;;入侵响应中基于事件相关性的攻击预测算法[J];计算机科学;2005年04期

6 徐庆飞;张新;李卫民;;二维空间中目标轨迹预测算法研究与分析[J];航空电子技术;2012年01期

7 杨双懋;郭伟;唐伟;;基于FARIMA-GARCH模型的网络业务预测算法[J];通信学报;2013年03期

8 李楚斐;谭长庚;韩宇;;车辆网络单跳链路断开时间预测算法[J];计算机工程;2012年02期

9 周璇;杨建成;;基于支持向量回归机的空调逐时负荷滚动预测算法[J];中南大学学报(自然科学版);2014年03期

10 孙道清;分数线快速预测系统在普通高校招生工作中的应用[J];微型机与应用;2004年06期

中国重要会议论文全文数据库 前10条

1 朱斌;樊祥;马东辉;程正东;;窗口大小和权值模板对固定权值背景预测算法的影响[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

2 王峰;姬冰辉;李斗;;一种基于混沌理论的自相似业务流预测算法研究[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（上）[C];2006年

3 钱正祥;徐华;张申浩;;数字信号序列的向量预测算法[A];第三届全国信息获取与处理学术会议论文集[C];2005年

4 郭景峰;代军丽;马鑫;王娟;;针对通信社会网络的时间序列链接预测算法[A];第26届中国数据库学术会议论文集（A辑）[C];2009年

5 张利萍;李宏光;;改进的灰色预测算法在工业应用中的评价[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 崔冬;;一种改进的LRP信道预测算法[A];2006通信理论与技术新进展——第十一届全国青年通信学术会议论文集[C];2006年

7 王佳;殷海兵;周冰倩;;一种适合硬件实现的低复杂度MAD预测算法[A];浙江省电子学会2011学术年会论文集[C];2011年

8 郑铭浩;刘志红;巫瑞波;徐峻;;P450各亚型代谢调控剂预测算法[A];中国化学会第28届学术年会第14分会场摘要集[C];2012年

9 张晓丹;王萍;;一种基于特征的H.264的子块快速帧内预测算法[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【oral】[C];2011年

10 刘志红;郑铭浩;严鑫;巫瑞波;徐峻;;基于结构的化合物稳定性预测算法[A];中国化学会第28届学术年会第14分会场摘要集[C];2012年

中国博士学位论文全文数据库 前2条

1 马玉韬;基于滤波理论和特征统计的蛋白质编码区预测算法研究[D];天津大学;2013年

2 玄萍;MicroRNA识别及其与疾病关联的预测算法研究[D];哈尔滨工业大学;2012年

中国硕士学位论文全文数据库 前10条

1 吴智勇;学术论文排序预测算法研究[D];内蒙古大学;2015年

2 张勇攀;针对残缺IP网络的链路预测技术研究[D];哈尔滨工业大学;2015年

3 应超;博物馆移动导览中的远程展示技术研究及系统实现[D];浙江大学;2015年

4 田雨禾;无线通信系统信道预测算法研究[D];吉林大学;2007年

5 王亮;链接预测算法及应用[D];湘潭大学;2013年

6 辛霆麟;基于标签传播的链路预测算法研究与应用[D];北京交通大学;2014年

7 范思理;基于信任和相似标签的链接预测算法[D];云南财经大学;2014年

8 李钟伟;基于运动行为特征的车辆行驶路径预测算法[D];上海交通大学;2010年

9 孙红卫;关于基因预测算法准确性度量标准的分析[D];四川大学;2006年

10 周灵通;基于历史行车轨迹的目的地预测算法研究[D];华南理工大学;2015年

，

本文编号：676782