高速网络流测量模型研究

论文摘要

基于流的测量模型是高速网络流研究的重点方向和基础,对测量算法的优化和改进直接关系到流测量的有效性,本文研究了流测量算法国际国内的最新发展状况,并在此基础上提出了流测量算法的研究难点和发展方向,对高速网络流测量算法的进一步研究具有一定的积极作用。基于Bloom Filter算法,本文利用数据集合中元素出现频率呈重尾分布的特点,提出了一种统计集合中相异元素出现频率的算法——多维Bloom Filter算法(MDBF)。由于网络中流长呈重尾分布的特点,本文提出的MDBF算法非常适合于在高速网络中对流信息进行统计和分析。针对网络测量的特点,对算法提出的定时更新方法和重复最小值方法进行了优化,有效地减小可能存在计算误差,保证算法的精度;在此基础上设计了基于多维Bloom Filter的高速网络流测量模型,并用C语言实现了该模型的原型,明确了该测量模型的价值和使用范围。本文通过选取来自NLANR的PMA小组公布的数据集对测量模型的有效性进行检验。实验结果表明,该测量模型不但可以有效地发现在网络中占用大量资源的长流,为进一步网络控制和优化做准备,而且可以有效地发掘网络中可能存在的蠕虫攻击和DDoS攻击,从而证明了本文所设计的流测量模型可用于实际测量过程。

论文目录

• 表目录
• 图目录
• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文研究的背景
• 1.2 目的和意义
• 1.2.1 监测高速网络运行状况
• 1.2.2 发现网络威胁
• 1.2.3 流测量的意义
• 1.3 国内外研究现状
• 1.3.1 IP 流测量的分类
• 1.3.2 全状态维护的IP 流测量
• 1.3.3 无状态IP 流测量
• 1.3.4 部分状态IP 流测量
• 1.4 论文研究主要内容
• 1.5 论文的主要贡献
• 1.6 论文组织结构
• 第二章 流测量相关技术
• 2.1 特征流识别
• 2.1.1 长流识别算法
• 2.1.2 流量改变发现算法
• 2.2 流数量及长度分布测量和估计
• 2.3 流测量的难点和发展方向
• 2.3.1 流测量的难点
• 2.3.2 流测量未来发展方向
• 2.4 小结
• 第三章 多维Bloom Filter 算法
• 3.1 引言
• 3.2 Bloom Filter 算法简介
• 3.2.1 算法原理
• 3.2.2 算法描述
• 3.3 基于Bloom Filter 的流测量算法
• 3.3.1 CBF 算法简介
• 3.3.2 SBF 算法简介
• 3.3.3 SCBF 算法简介
• 3.3.4 MGCBF 算法简介
• 3.4 多维Bloom Filter（MDBF）算法
• 3.4.1 算法描述
• 3.4.2 算法相关约定
• 3.4.3 算法空间复杂度分析
• 3.4.4 算法时间复杂度分析
• 3.4.5 算法误差率分析
• 3.5 小结
• 第四章 高速网络流测量模型实现
• 4.1 引言
• 4.2 基于MDBF 算法的高速网络流测量相关优化
• 4.2.1 定时更新方法
• 4.2.2 重复最小值方法
• 4.3 基于多维Bloom Filter 的高速网络流测量模型
• 4.3.1 高速网络流测量原型
• 4.3.2 实现模型
• 4.3.3 高速网络流测量模型的作用
• 4.4 相关实验结果
• 4.4.1 实验使用数据集
• 4.4.2 相关实验结果
• 4.5 小结
• 结束语
• 参考文献
• 作者简历 攻读硕士学位期间完成的主要工作
• 致谢