网络流量分析预测系统的设计与实现

论文摘要

网络技术的发展导致了其应用和规模不断扩大,同时,大量不同类型的网络设备应用于网络的构建中,一方面扩展了网络所提供的业务各类的能力,另一方面也使其更容易出现故障。通过网络流量的分析和预测,可以实现许多网络故障和性能问题的检测,已经成为一个检测网络故障和性能问题的有效方法,目的是提高网络的质量。本文首先分析了网络流量行为的分析与预测相关的知识及技术,涉及到:数据采集、流量分析、流量预测以及数据挖掘等。其次,通过对Apriori和FT-Tree算法的分析,指出其应用的方法以及存在的问题,为了解决这些问题,利用聚类挖掘算法对网络流量进行分析,指出其优点。根据聚类算法的特点,设计了系统的体系结构以及部署方式,并根据网络流量研究的流程,从数据采集、流量分析、行为预测、决策响应等方面研究了系统的实现,最后,以系统测试的方式验证了本文所研究的网络流量分析与预测系统的可用性及有效性。

论文目录

• 中文摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 网络管理的国内和国外研究现状
• 1.2.1 网络管理系统现状分析
• 1.2.2 网络安全的研究现状
• 1.2.3 网络流量监控现状分析
• 1.3 研究内容
• 1.4 具体的章节安排
• 第2章 相关知识及技术
• 2.1 网络流量测量与预测技术
• 2.1.1 采集技术
• 2.1.2 理论分析
• 2.1.3 预测分析
• 2.2 以太网的原理与抓包技术分析
• 2.2.1 以太网原理
• 2.2.2 Windows 下的网络数据包获取技术
• 2.3 数据挖掘分析
• 2.3.1 定义
• 2.3.2 数据挖掘的主要目标
• 2.3.3 具体流程
• 2.4 关联规则算法分析
• 2.4.1 Apriori 算法分析
• 2.4.2 FP-Tree 算法分析
• 2.4.3 问题
• 2.5 数据挖掘技术在网络流量处理中的应用
• 2.6 本章小结
• 第3章 网络流量分析预测系统的概要设计
• 3.1 系统的设计原则
• 3.2 系统的网络部署
• 3.3 系统的体系结构设计
• 3.4 功能模块设计
• 3.5 数据格式
• 3.6 本章小结
• 第4章 网络流量分析预测原型系统的实现
• 4.1 采集的实现
• 4.2 流量数据分析的具体实现
• 4.3 预测的具体实现
• 4.3.1 改进的K-Means 聚类算法的应用
• 4.3.2 网络流量行为预测的实现
• 4.4 系统开发与运行平台
• 4.4.1.N ET 技术
• 4.4.2 Web Service 技术
• 4.5 流量识别与控制技术
• 4.5.1 流量识别技术
• 4.5.2 流量控制技术
• 4.5 本章小结
• 第5章 系统测试
• 5.1 系统测试的网络拓扑
• 5.2 数据流量分析结果
• 5.3 网络流量监控预测的结果
• 5.4 本章小结
• 结论
• 参考文献
• 致谢