網(wǎng)絡(luò)流量測(cè)量是指對(duì)數(shù)據(jù)鏈路上的報(bào)文進(jìn)行采集、分析、建模,結(jié)合具體算法分析網(wǎng)絡(luò)行為的過(guò)程,是分析網(wǎng)絡(luò)性能,理解互聯(lián)網(wǎng)用戶行為,檢測(cè)網(wǎng)絡(luò)異常、網(wǎng)絡(luò)安全事件的重要前提。通過(guò)對(duì)流長(zhǎng)、流數(shù)測(cè)度等流量特征進(jìn)行分析,解決測(cè)量應(yīng)用中大流檢測(cè)、流長(zhǎng)分布估計(jì)等關(guān)鍵問(wèn)題,能夠?yàn)榫W(wǎng)絡(luò)的有效運(yùn)行、管理和維護(hù)提供有力的支撐。但隨著網(wǎng)絡(luò)關(guān)鍵基礎(chǔ)設(shè)施的不斷完善,網(wǎng)絡(luò)鏈路速率不斷提高,在高速網(wǎng)絡(luò)上進(jìn)行流量測(cè)量需要更多的計(jì)算和內(nèi)存資源,流量測(cè)量研究與分析工作面臨巨大的技術(shù)挑戰(zhàn)。為此,本文設(shè)計(jì)并實(shí)現(xiàn)高速網(wǎng)絡(luò)數(shù)據(jù)流應(yīng)用檢測(cè)系統(tǒng),通過(guò)抽樣技術(shù)、數(shù)據(jù)流技術(shù)對(duì)海量流量進(jìn)行縮減,完成高速鏈路下的流量測(cè)量任務(wù)。本論文的主要內(nèi)容如下:1.基于遺傳編程算法設(shè)計(jì)并實(shí)現(xiàn)適用于數(shù)據(jù)流技術(shù)的非加密哈希算法。哈希算法作為數(shù)據(jù)流技術(shù)的核心,需滿足哈希值的隨機(jī)性盡可能大,算法簡(jiǎn)單高效,對(duì)同一哈希輸入能生成多個(gè)獨(dú)立不相關(guān)的哈希值等要求。本文針對(duì)以上要求,分別以IPv4、IPv6流量為訓(xùn)練集,基于遺傳編程設(shè)計(jì)并自動(dòng)生成體現(xiàn)IP流量特征的哈希算法GP-Hash,與17種具有代表性的字符串哈希函數(shù)在多個(gè)測(cè)度上進(jìn)行比較,驗(yàn)證GP-Hash在數(shù)據(jù)流技術(shù)中的可用性。... 

【文章來(lái)源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 引言
    1.2 研究背景
    1.3 研究目標(biāo)與內(nèi)容
        1.3.1 研究目標(biāo)
        1.3.2 研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 相關(guān)技術(shù)研究
    2.1 非加密哈希函數(shù)
        2.1.1 常見(jiàn)的非加密哈希函數(shù)
        2.1.2 哈希函數(shù)性能研究現(xiàn)狀
    2.2 遺傳編程
        2.2.1 遺傳編程流程
        2.2.2 遺傳編程相關(guān)參數(shù)
        2.2.3 基于遺傳編程的哈希設(shè)計(jì)研究現(xiàn)狀
    2.3 高速網(wǎng)絡(luò)流量測(cè)量數(shù)據(jù)結(jié)構(gòu)
        2.3.1 Count-MinSketch
    2.4 測(cè)量任務(wù)相關(guān)研究
        2.4.1 大流檢測(cè)
        2.4.2 流長(zhǎng)分布估計(jì)
    2.5 本章小結(jié)
第三章 基于遺傳編程的哈希算法設(shè)計(jì)
    3.1 問(wèn)題分析
    3.2 哈希算法評(píng)價(jià)指標(biāo)測(cè)度
        3.2.1 活躍流測(cè)度
        3.2.2 同源哈希值相關(guān)性測(cè)度
        3.2.3 隨機(jī)性測(cè)度
        3.2.4 計(jì)算速度
    3.3 基于遺傳編程的哈希算法設(shè)計(jì)
        3.3.1 終點(diǎn)集
        3.3.2 函數(shù)集
        3.3.3 適應(yīng)值評(píng)價(jià)函數(shù)
        3.3.4 GP-Hash參數(shù)設(shè)置
        3.3.5 GP-Hash算法過(guò)程
    3.4 GP-Hash算法評(píng)估及分析
        3.4.1 IPv4哈希算法
        3.4.2 IPv6哈希算法
    3.5 GP-Hash算法改進(jìn)及分析
        3.5.1 動(dòng)態(tài)最大樹深
        3.5.2 改進(jìn)算法分析
    3.6 本章小結(jié)
第四章 基于GA-EM的流長(zhǎng)分布估計(jì)算法設(shè)計(jì)
    4.1 問(wèn)題分析
    4.2 基于EM的原始流長(zhǎng)分布估計(jì)
        4.2.1 期望最大化算法
        4.2.2 原始流長(zhǎng)度分布概率模型
        4.2.3 基于EM算法的原始流長(zhǎng)分布估計(jì)
    4.3 基于GA-EM的原始流長(zhǎng)分布估計(jì)
        4.3.1 遺傳算法流程
        4.3.2 GA-EM算法設(shè)計(jì)
        4.3.3 GA-EM參數(shù)分析
    4.4 GA-EM算法分析
    4.5 本章小結(jié)
第五章 高速網(wǎng)絡(luò)數(shù)據(jù)流應(yīng)用檢測(cè)系統(tǒng)實(shí)現(xiàn)及分析
    5.1 高速網(wǎng)絡(luò)數(shù)據(jù)流應(yīng)用檢測(cè)系統(tǒng)
        5.1.1 系統(tǒng)整體設(shè)計(jì)
        5.1.2 大流檢測(cè)模塊
        5.1.3 流長(zhǎng)分布估計(jì)模塊
        5.1.4 可視化模塊
    5.2 系統(tǒng)實(shí)現(xiàn)
        5.2.1 大流檢測(cè)模塊實(shí)現(xiàn)
        5.2.2 流長(zhǎng)分布估計(jì)模塊實(shí)現(xiàn)
        5.2.3 系統(tǒng)可視化
    5.3 系統(tǒng)評(píng)估及分析
        5.3.1 大流檢測(cè)模塊評(píng)估及分析
        5.3.2 流長(zhǎng)分布估計(jì)模塊評(píng)估及分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 論文展望
致謝
參考文獻(xiàn)
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]高速網(wǎng)絡(luò)流量測(cè)量方法[J]. 周愛(ài)平,程光,郭曉軍.  軟件學(xué)報(bào). 2014(01)
[2]基于近似方法的抽樣報(bào)文流數(shù)估計(jì)算法[J]. 程光,唐永寧.  軟件學(xué)報(bào). 2013(02)
[3]一種基于雙重Counter Bloom Filter的長(zhǎng)流識(shí)別算法[J]. 吳樺,龔儉,楊望.  軟件學(xué)報(bào). 2010(05)
[4]面向IP流測(cè)量的哈希算法研究[J]. 程光,龔儉,丁偉,徐加羚.  軟件學(xué)報(bào). 2005(05)



本文編號(hào)：3189037