一、用馬爾可夫調(diào)制的泊松過程近似多分形突發(fā)流量研究(英文)（論文文獻(xiàn)綜述）
孫洪亮[1]（2019）在《異質(zhì)業(yè)務(wù)背景下網(wǎng)絡(luò)QoS分析與保障研究》文中提出5G時(shí)代即將來臨,新業(yè)務(wù)的不斷涌現(xiàn),對(duì)QoS（Quality of Service）提出了更嚴(yán)格的要求。然而,現(xiàn)有的QoS理論體系卻嚴(yán)重滯后于通信網(wǎng)絡(luò)的蓬勃發(fā)展。隨著網(wǎng)絡(luò)規(guī)模的不斷擴(kuò)大,業(yè)務(wù)類型不斷多樣化,流量差異性越來越強(qiáng),給QoS的保障帶來了更大的困難和挑戰(zhàn)。同時(shí),帶寬效率和QoS保障之間的矛盾日益顯著,如何準(zhǔn)確地評(píng)估QoS,實(shí)現(xiàn)QoS的高效保障,亟待解決。因此,探索新理論、新方法,研究異質(zhì)業(yè)務(wù)背景下QoS分析與保障問題,有著現(xiàn)實(shí)意義和重要價(jià)值。本文通過建立多業(yè)務(wù)到達(dá)的網(wǎng)絡(luò)排隊(duì)系統(tǒng)模型,引入鞅理論,提出網(wǎng)絡(luò)QoS性能分析的新方法。同時(shí)本文研究差異化業(yè)務(wù)背景下,如何以節(jié)省帶寬的方式,實(shí)現(xiàn)QoS保障?；谂抨?duì)系統(tǒng)建模分析通信網(wǎng)絡(luò)時(shí),QoS性能主要通過隊(duì)列的緩存行為、時(shí)延等體現(xiàn)。在本文中,基于鞅理論對(duì)復(fù)雜隊(duì)列系統(tǒng)進(jìn)行了分析,獲得了更多視角、更準(zhǔn)確的網(wǎng)絡(luò)QoS性能評(píng)估結(jié)果。在基于超鞅的時(shí)延分析基礎(chǔ)上,設(shè)計(jì)了保障時(shí)延QoS的帶寬估計(jì)算法。針對(duì)載波偵聽式隨機(jī)接入網(wǎng)絡(luò),隱藏終端導(dǎo)致的QoS性能下降問題,同時(shí)考慮終端流量的異質(zhì)性,提出基于博弈論的分組算法,并基于超鞅評(píng)價(jià)了分組后各組的時(shí)延性能。本文主要的研究內(nèi)容和創(chuàng)新工作如下:（1）針對(duì)流量分布不同的業(yè)務(wù)聚合到達(dá)的排隊(duì)系統(tǒng),本文引入鞅方法,提出隊(duì)列緩存行為特性的瞬時(shí)分析方法,同一模型中,得出了系統(tǒng)的時(shí)間域、概率域二維特征。研究中,通過集成多個(gè)到達(dá)過程與服務(wù)過程到鞅過程中,構(gòu)造了關(guān)于隊(duì)長的鞅;根據(jù)到達(dá)過程與服務(wù)過程的高階特性,構(gòu)造了另一個(gè)鞅,通過建立期望不等式,使其也與隊(duì)長相關(guān)。運(yùn)用鞅停時(shí)定理,求解了隊(duì)列首次溢出概率、緩存停時(shí)期望。模型根據(jù)瞬時(shí)觀測(cè)的隊(duì)長,既可以在概率域上預(yù)測(cè)出隊(duì)列演化的趨勢(shì),又可以得出目標(biāo)事件出現(xiàn)的時(shí)間期望。仿真分析展現(xiàn)了緩存行為的瞬時(shí)特性和時(shí)間概率二維特性。研究基于鞅理論,提供了多業(yè)務(wù)到達(dá)的隊(duì)列緩存QoS特性分析的新視角,為系統(tǒng)緩存設(shè)計(jì)、緩存管理提供了指導(dǎo)。（2）針對(duì)含有突發(fā)業(yè)務(wù)的多業(yè)務(wù)到達(dá)的排隊(duì)系統(tǒng),本文基于超鞅理論,獲得了緊致的時(shí)延性能界,并提出保障時(shí)延QoS的流量帶寬估計(jì)算法,首次把超鞅理論應(yīng)用于網(wǎng)絡(luò)流量負(fù)荷評(píng)估中。研究建立了到達(dá)過程及服務(wù)過程的超鞅,并進(jìn)一步構(gòu)造了關(guān)于隊(duì)長的超鞅。利用停時(shí)定理,求解了聚合流到達(dá)的系統(tǒng)時(shí)延違反概率界。由于在超鞅模型下,時(shí)延QoS與服務(wù)速率呈隱式關(guān)系,本文設(shè)計(jì)了二分搜索算法,求解了保障時(shí)延QoS性能所需的最小服務(wù)速率,定義為超鞅帶寬。仿真分析證明了超鞅帶寬比經(jīng)典有效帶寬值更小,特別是流量含有突發(fā)性業(yè)務(wù)時(shí),因此,超鞅帶寬估計(jì)可以提高帶寬資源的利用率。（3）針對(duì)隨機(jī)接入網(wǎng)絡(luò)廣泛應(yīng)用的CSMA/CA（Carrier Sense Multiple Access/Collision Avoidance）服務(wù)機(jī)制,考慮隱藏終端碰撞導(dǎo)致的QoS性能下降問題,同時(shí)考慮終端流量的差異性,本文提出基于博弈論的分組算法,緩解隱藏終端碰撞兼顧流量負(fù)載均衡。算法首先根據(jù)各終端流量強(qiáng)度,形成負(fù)載基本均衡的初始化分組,然后以隱藏終端最小化和負(fù)載均衡最大化為目標(biāo),進(jìn)行博弈分組調(diào)整。分組后,本文建立了多終端異質(zhì)流量到達(dá)、CSMA/CA服務(wù)的排隊(duì)系統(tǒng),基于超鞅理論并建立新的QoS指標(biāo),對(duì)各組時(shí)延性能進(jìn)行了評(píng)價(jià)。仿真分析證明了分組算法的有效性。分組算法有利于網(wǎng)絡(luò)服務(wù)的公平性保證和QoS的高效保障。時(shí)延分析結(jié)果,可以為帶寬資源分配與調(diào)整提供指導(dǎo)。本文主要針對(duì)異質(zhì)業(yè)務(wù)到達(dá)的網(wǎng)絡(luò)場景進(jìn)行QoS的相關(guān)研究,對(duì)于同質(zhì)多業(yè)務(wù)到達(dá)的場景是模型的特殊情況,研究方法同樣適用?；邝崩碚摰腝oS性能分析及帶寬估計(jì)方法,對(duì)于單一業(yè)務(wù)到達(dá)的場景也同樣適用。本文的研究工作,可以為網(wǎng)絡(luò)系統(tǒng)服務(wù)方案的設(shè)計(jì)與改進(jìn)提供有價(jià)值的參考。
杜頤臣[2]（2015）在《虛擬化環(huán)境下軟件老化系統(tǒng)的性能仿真分析》文中研究表明軟件老化是指軟件在長期運(yùn)行的過程中,由于資源的消耗或系統(tǒng)錯(cuò)誤的累積而造成故障率增加、系統(tǒng)性能下降的一種現(xiàn)象。為了研究并解決軟件老化問題,本文基于一個(gè)通信系統(tǒng)模型,以響應(yīng)時(shí)間作為反映和檢測(cè)軟件性能的技術(shù)指標(biāo),利用一種積極主動(dòng)的軟件再生技術(shù)來恢復(fù)軟件性能。近期,由于Alberto等人發(fā)現(xiàn)AT&T公司的一個(gè)電子商務(wù)系統(tǒng)存在老化現(xiàn)象,經(jīng)過對(duì)該系統(tǒng)進(jìn)行一系列深入的研究和分析,證明了其是由于負(fù)載量過大而引起的內(nèi)核開銷使系統(tǒng)性能衰退、響應(yīng)時(shí)間增大。為此,他們將該系統(tǒng)抽象為M/M/c模型,并基于此提出了三個(gè)再生算法,分別為基于均值的靜態(tài)再生算法、基于均值的加速采樣再生算法和基于中心極限定理的再生算法。由于短期的爆發(fā)流也會(huì)引起響應(yīng)時(shí)間的增加,因此為了避免其對(duì)系統(tǒng)性能的分析產(chǎn)生影響,各再生算法都被設(shè)定為根據(jù)檢測(cè)到的n個(gè)連續(xù)響應(yīng)時(shí)間的平均值來決定何時(shí)被觸發(fā)。為了使抽象的模型更為貼近實(shí)際的應(yīng)用,本文通過進(jìn)一步分析并在M/M/c模型的基礎(chǔ)上給出了更為符合實(shí)際情況的MMPP/M/c模型,然后基于該模型設(shè)計(jì)了一種基于經(jīng)驗(yàn)分布的再生算法。為了比較兩種模型之間的差異以及證明各再生算法的有效性,本文采用了仿真的方法來對(duì)其進(jìn)行研究和分析。在論文中,首先分析了兩種系統(tǒng)模型并對(duì)其使用離散事件仿真技術(shù)進(jìn)行仿真程序設(shè)計(jì);然后,通過仿真程序?qū)Ψ抡嫦到y(tǒng)的正常狀態(tài)以及老化狀態(tài)的性能變化情況作了分析和說明,在此基礎(chǔ)上又通過檢測(cè)和收集響應(yīng)時(shí)間樣本來適時(shí)調(diào)度再生算法以觸發(fā)系統(tǒng)再生,使其性能保持穩(wěn)定;最后對(duì)實(shí)施再生算法的兩種仿真系統(tǒng)分別進(jìn)行性能以及丟包率上的比較和分析。結(jié)果表明實(shí)施再生算法可以在高負(fù)載的情況下維持系統(tǒng)響應(yīng)時(shí)間性能的穩(wěn)定,但同時(shí)也會(huì)導(dǎo)致系統(tǒng)丟包率在一定程度上的提升。另外,根據(jù)程序仿真數(shù)據(jù)也說明了當(dāng)為再生算法配置適當(dāng)?shù)膮?shù)時(shí)可以有效地提高系統(tǒng)的性能,并且可以根據(jù)具體的應(yīng)用領(lǐng)域來選擇不同的再生算法以優(yōu)化系統(tǒng)的性能。
王暉[3]（2013）在《自相似網(wǎng)絡(luò)流量流體流模型及主動(dòng)隊(duì)列管理算法研究》文中研究說明TCP（Transmission Control Protocol）的擁塞控制是Internet穩(wěn)定運(yùn)行的基礎(chǔ)，圍繞著TCP協(xié)議的擁塞控制一直是Internet研究的一個(gè)熱點(diǎn)，吸引著諸多的學(xué)者。隨著網(wǎng)絡(luò)通信流量的急劇增加和各類實(shí)時(shí)業(yè)務(wù)流量對(duì)QoS要求的大幅提高，僅僅依靠端到端擁塞控制己經(jīng)難以滿足網(wǎng)絡(luò)需求。事實(shí)上，在Internet這樣復(fù)雜的異構(gòu)網(wǎng)絡(luò)環(huán)境中，希望所有用戶都兼容端系統(tǒng)擁塞控制也是不現(xiàn)實(shí)的。必須發(fā)展路由器等中間網(wǎng)絡(luò)設(shè)備的控制，以增強(qiáng)擁塞控制的效果。路由器位于擁塞的發(fā)生點(diǎn)，所以在路由器上進(jìn)行擁塞控制是非常有意義的。隊(duì)列管理機(jī)制就應(yīng)運(yùn)而生了。主動(dòng)隊(duì)列管理（Active Queue Management，AQM）機(jī)制通過對(duì)擁塞的預(yù)判和主動(dòng)丟包，實(shí)現(xiàn)對(duì)擁塞的控制，成功避免了死鎖、全局同步等現(xiàn)象。IP擁塞控制機(jī)制的研究是當(dāng)前擁塞研究的熱點(diǎn)。本文將路由器參與的顯式擁塞控制也歸為IP擁塞控制機(jī)制。網(wǎng)絡(luò)業(yè)務(wù)流自相似性的發(fā)現(xiàn)和研究推翻了早先網(wǎng)絡(luò)流量短相關(guān)的基礎(chǔ)假設(shè)，由于網(wǎng)絡(luò)流量突發(fā)性更為突出，直接導(dǎo)致?lián)砣l(fā)生更為頻繁和加劇，這使得網(wǎng)絡(luò)流量的統(tǒng)計(jì)特征提取、排隊(duì)性能分析和緩沖空間設(shè)置以及擁塞策略的設(shè)計(jì)均有所變化。自相似模型的引入給原本復(fù)雜的擁塞控制帶來新的問題，但它同時(shí)也會(huì)帶來新的解決方法。往返時(shí)延RTT是網(wǎng)絡(luò)擁塞控制機(jī)制有效運(yùn)行賴以維系的節(jié)奏，網(wǎng)絡(luò)時(shí)延不易準(zhǔn)確估算也是造成網(wǎng)絡(luò)擁塞機(jī)制偶爾失效的主要原因。故而需要分別對(duì)往返時(shí)延RTT建模為常數(shù)、常函數(shù)、隨機(jī)過程等不同的數(shù)學(xué)形式，利用數(shù)學(xué)方法分析RTT對(duì)網(wǎng)絡(luò)擁塞控制機(jī)制的影響。進(jìn)一步提出基于網(wǎng)絡(luò)排隊(duì)延時(shí)的顯式擁塞控制算法QDCN，該算法通過路由器監(jiān)測(cè)隊(duì)列長度，進(jìn)而得出排隊(duì)延遲，實(shí)時(shí)更新RTT，以顯式方式通知源端改變擁塞窗口，從而實(shí)現(xiàn)擁塞避免。進(jìn)一步看到在恒速網(wǎng)絡(luò)業(yè)務(wù)流下，本來性能比較優(yōu)越的SFPID-RED和QDCN算法性能有所下降，并且時(shí)延并不是造成算法性能下降的誘因。實(shí)際上網(wǎng)絡(luò)流量的自相似性（突發(fā)性）才是這些算法失效的根本原因，時(shí)延的抖動(dòng)只是它的一種表現(xiàn)形式。于是提出一種基于自相似流量的隨機(jī)早檢測(cè)算法——STRED。該算法采用時(shí)間槽作為操作單位，以減少計(jì)算量，降低網(wǎng)絡(luò)參數(shù)更新速率；根據(jù)時(shí)間槽記錄觀測(cè)參數(shù)進(jìn)而預(yù)估自相似系數(shù)（Hurst系數(shù)），并依據(jù)相關(guān)函數(shù)調(diào)整RED算法丟棄概率，增強(qiáng)RED算法對(duì)自相似網(wǎng)絡(luò)流量的適應(yīng)能力，從而實(shí)現(xiàn)對(duì)自相似流量的擁塞控制。然而學(xué)界關(guān)于網(wǎng)絡(luò)流量是具有泊松特性的短相關(guān)還是具有分形自相似的長相關(guān)的爭論一直不斷。雖然有大量的網(wǎng)絡(luò)測(cè)量實(shí)驗(yàn)分析得出網(wǎng)絡(luò)自相似的結(jié)論，但也有證據(jù)表明泊松特性依然存在。網(wǎng)絡(luò)流量模型經(jīng)歷了短相關(guān)，長相關(guān)，多重分形的發(fā)展演變，現(xiàn)在有回歸短相關(guān)的一種可能。實(shí)際上網(wǎng)絡(luò)流量的長相關(guān)和短相關(guān)兩種特性同時(shí)存在。有鑒于此本文基于網(wǎng)絡(luò)自相似性和TCP/AQM流體流模型，提出一種新型Lévy隨機(jī)過程，并建立一種TCP/AQM二象性流體流模型，可以同時(shí)描述網(wǎng)絡(luò)的自相似性和包驅(qū)動(dòng)特性，試圖從理論上對(duì)網(wǎng)絡(luò)流量的兩種特性進(jìn)行統(tǒng)一，并進(jìn)一步研究了二象性模型的有關(guān)性質(zhì)。為以后基于自相似網(wǎng)絡(luò)的擁塞控制研究奠定了基礎(chǔ)?？傊菊n題主要針對(duì)網(wǎng)絡(luò)擁塞問題，剖析了一種現(xiàn)有應(yīng)用較為廣泛的網(wǎng)絡(luò)流量模型——TCP/AQM流體流（Fluid Flow）模型，并以此為基礎(chǔ)結(jié)合網(wǎng)絡(luò)自相似提出一系列的研究方案。
王蘇南[4]（2012）在《高速復(fù)雜網(wǎng)絡(luò)環(huán)境下異常流量檢測(cè)技術(shù)研究》文中認(rèn)為隨著信息技術(shù)的發(fā)展和社會(huì)信息化程度的不斷提升，網(wǎng)絡(luò)在人們?nèi)粘Ｉ钪械牡匚缓妥饔萌遮吷仙ヂ?lián)網(wǎng)上難以計(jì)數(shù)的協(xié)議和應(yīng)用以及數(shù)十億網(wǎng)絡(luò)用戶的復(fù)雜行為交織在一起形成了一個(gè)巨復(fù)雜的網(wǎng)絡(luò)系統(tǒng)。因此，保持網(wǎng)絡(luò)良好的健壯性和高可用性不僅是互聯(lián)網(wǎng)自身發(fā)展的需求，更是人類社會(huì)健康發(fā)展的基礎(chǔ)條件。尤其是近年來云計(jì)算技術(shù)的蓬勃發(fā)展，以及由此帶來的信息應(yīng)用服務(wù)化和服務(wù)云端化趨勢(shì)，使得互聯(lián)網(wǎng)的復(fù)雜度進(jìn)一步提升，而其穩(wěn)定性要求也更加突出，因此，必須從更高標(biāo)準(zhǔn)出發(fā)研究提高網(wǎng)絡(luò)安全保護(hù)水平的關(guān)鍵技術(shù)，而高速復(fù)雜網(wǎng)絡(luò)環(huán)境下的異常流量檢測(cè)技術(shù)是其中一個(gè)重要環(huán)節(jié)。本文依托國家863計(jì)劃“高可信網(wǎng)絡(luò)業(yè)務(wù)管控系統(tǒng)”（2009AA01A346）和國家科技支撐項(xiàng)目“面向融合網(wǎng)絡(luò)的大規(guī)模接入?yún)R聚路由器關(guān)鍵技術(shù)研究與產(chǎn)業(yè)化應(yīng)用”（2011BAH19B00），針對(duì)高速復(fù)雜網(wǎng)絡(luò)環(huán)境下的異常流量檢測(cè)技術(shù)進(jìn)行研究。主要研究成果如下：1.對(duì)異常流量檢測(cè)技術(shù)的研究現(xiàn)狀進(jìn)行了全面的總結(jié)，并將已有方法與高速復(fù)雜網(wǎng)絡(luò)環(huán)境下的異常檢測(cè)需求進(jìn)行了深入的對(duì)照分析，提出了基于混合粒度的異常流檢測(cè)思路。2.提出了基于網(wǎng)絡(luò)異常流長分布的自適應(yīng)流抽樣算法FSAS（Flow Size AdaptiveSampling）。分析了FSAS的性能并進(jìn)行實(shí)驗(yàn)驗(yàn)證，結(jié)果表明FSAS算法不僅對(duì)高速骨干網(wǎng)絡(luò)海量數(shù)據(jù)進(jìn)行了有效約減，同時(shí)還保持了疑似異常流量的特性。3.提出了基于符號(hào)序列的網(wǎng)絡(luò)流量描述方式并從理論上對(duì)其特性進(jìn)行了深入研究。該方法可以將復(fù)雜的海量流量數(shù)據(jù)轉(zhuǎn)化為有限集合內(nèi)的樣本數(shù)據(jù)。通過定義符號(hào)間互信息持續(xù)性度量CMI（Continuance Mutual Information），研究了符號(hào)序列的獨(dú)特統(tǒng)計(jì)特性，并指出了CMI用于流量檢測(cè)的可行性。4.建立了刻畫網(wǎng)絡(luò)流量互信息持續(xù)性度量特性的結(jié)構(gòu)化符號(hào)序列模型TSTM（Tri-STraffic Model：Structural Symbol Sequence Traffic Model）。該模型基于網(wǎng)絡(luò)流量的CMI特性，結(jié)構(gòu)簡單，參數(shù)數(shù)量少且具有明確的物理意義。采用實(shí)際的數(shù)據(jù)流量對(duì)此型模型的有效性進(jìn)行了驗(yàn)證。5.提出了無監(jiān)督的網(wǎng)絡(luò)異常溯源算法URCA（Unsupervised Root Cause Analysis）。URCA基于網(wǎng)絡(luò)流量的符號(hào)化和TSTM模型實(shí)現(xiàn)。對(duì)實(shí)際流量數(shù)據(jù)的評(píng)估結(jié)果驗(yàn)證了該異常流量檢測(cè)算法的有效性。6.結(jié)合課題需求，設(shè)計(jì)了一種能夠嵌入大規(guī)模匯聚路由器ACR的異常流量分類識(shí)別系統(tǒng)。詳細(xì)的實(shí)驗(yàn)結(jié)果以及實(shí)際應(yīng)用效果證明本文多提出的流量分類識(shí)別系統(tǒng)的可行性。
鄭冠男[5]（2011）在《混合無源光網(wǎng)絡(luò)關(guān)鍵技術(shù)研究》文中進(jìn)行了進(jìn)一步梳理近年來,傳送網(wǎng)傳輸介質(zhì)由最初的雙絞線發(fā)展到光纖,接入網(wǎng)也從非對(duì)稱用戶數(shù)字環(huán)路（ADSL:Asymmetric Digital Subscriber Line）技術(shù)發(fā)展到先進(jìn)的無源光接入網(wǎng)絡(luò)（PON:Passive Optical Network）. PON以較低成本為用戶提供了高速的語音、視頻、數(shù)據(jù)等多種業(yè)務(wù)的接入服務(wù)。PON網(wǎng)絡(luò)拓?fù)涠酁椴粚?duì)稱的點(diǎn)到多點(diǎn)（PTMP:Point to Multi-Point）結(jié)構(gòu),下行業(yè)務(wù)傳輸采用廣播方式,上行業(yè)務(wù)可采取時(shí)分復(fù)用接入（TDMA:Time Division Multiple Access）、波分復(fù)用接入（WDMA:Wavelength Division Multiple Access）、碼分復(fù)用接入（CDMA:Code Division Multiple Access）等技術(shù)共享上行信道。一方面,隨著無源光網(wǎng)絡(luò)傳輸速度和距離的不斷增大,TDM/WDM混合型PON網(wǎng)絡(luò)拓?fù)浼軜?gòu)成為研究重點(diǎn)。另一方面,支持服務(wù)質(zhì)量（QoS:Quality of Service）的動(dòng)態(tài)帶寬分配（DBA:Dynamic Bandwidth Allocation）算法是提升PON網(wǎng)絡(luò)性能的關(guān)鍵。本論文主要的研究內(nèi)容如下：（1）根據(jù)當(dāng)前PON的架構(gòu)從時(shí)分復(fù)用PON （TDM-PON）向波分復(fù)用PON （WDM-PON）演進(jìn)的發(fā)展方向,本文深入研究了一種先進(jìn)的TDM/WDM混合吉比特?zé)o源光網(wǎng)絡(luò)（HGPON:Hybrid Gigabit Passive Optical Network）、介紹了HGPON的物理層架構(gòu)和MAC（Medium Access Control）層信令流程,并在OPNET網(wǎng)絡(luò)平臺(tái)上實(shí)現(xiàn)了對(duì)HGPON系統(tǒng)的建模和仿真。HGPON采用先進(jìn)的無源光器件,可同時(shí)調(diào)度波長和帶寬兩種資源,為用戶提供靈活、高速的全業(yè)務(wù)接入。（2）通過對(duì)HGPON系統(tǒng)MAC層信令通信過程進(jìn)行排隊(duì)論建模和時(shí)延分析,提出并研究了HGPON多線程上行帶寬分配算法。多線程帶寬分配算法利用HGPON中WDM波長資源可調(diào)度的結(jié)構(gòu)特點(diǎn),為上行業(yè)務(wù)傳輸提供多個(gè)波長線程,以達(dá)到降低業(yè)務(wù)接入時(shí)延,緩解擁塞的目的。仿真結(jié)果表明多線程帶寬分配算法可以成倍的提高業(yè)務(wù)的處理效率和網(wǎng)絡(luò)性能。最后,由于多線程算法的復(fù)雜度隨線程數(shù)增多而線形增大,HGPON系統(tǒng)選擇最優(yōu)多線程數(shù)時(shí)須考慮同時(shí)兼顧網(wǎng)絡(luò)性能和算法代價(jià)。（3）由于語音視頻等實(shí)時(shí)接入業(yè)務(wù)的流量具有突發(fā)性和時(shí)延敏感性的特點(diǎn),帶寬分配算法的設(shè)計(jì)目標(biāo)是盡可能快速地轉(zhuǎn)發(fā)上行業(yè)務(wù),降低業(yè)務(wù)的接入等待時(shí)延和緩存隊(duì)列長度。本論文在HGPON排隊(duì)論理論模型基礎(chǔ)上提出了帶寬預(yù)測(cè)算法,并通過仿真評(píng)估對(duì)比研究了固定帶寬預(yù)測(cè)算法（SEBA:Static Estimated Bandwidth Allocation）和動(dòng)態(tài)帶寬預(yù)測(cè)算法（DEBA:DynamicEstimated Bandwidth Allocation）的網(wǎng)絡(luò)性能。研究表明DEBA比SEBA具有更好的網(wǎng)絡(luò)時(shí)延性能,且預(yù)測(cè)帶寬值的大小與網(wǎng)絡(luò)負(fù)載相關(guān)。最后,DEBA算法可根據(jù)網(wǎng)絡(luò)業(yè)務(wù)負(fù)載的變化動(dòng)態(tài)調(diào)整預(yù)測(cè)帶寬值的大小,優(yōu)化預(yù)測(cè)帶寬分配,提高帶寬資源使用效率。（4）針對(duì)當(dāng)前網(wǎng)絡(luò)中接入業(yè)務(wù)多樣化的特點(diǎn),本論文的最后研究了HGPON網(wǎng)絡(luò)多業(yè)務(wù)區(qū)分服務(wù)算法和資源調(diào)度策略。根據(jù)HGPON物理層架構(gòu)的特點(diǎn),提出了粒度更為細(xì)致的,包括ONU （Optical Network Unit）組間、ONU組內(nèi)和ONU內(nèi)部的三層次QoS區(qū)分服務(wù)算法。并進(jìn)一步研究了為解決ONU組間調(diào)度和ONU組內(nèi)潮汐效應(yīng)的二層次資源調(diào)度策略。最后通過仿真評(píng)估驗(yàn)證了所提出算法的有效性和先進(jìn)性。
董智超[6]（2010）在《城域網(wǎng)應(yīng)用層P2P流量預(yù)測(cè)模型的研究》文中指出隨著網(wǎng)絡(luò)通信技術(shù)的快速發(fā)展,以P2P為主的多媒體應(yīng)用的迅速增加,都對(duì)當(dāng)前網(wǎng)絡(luò)的服務(wù)質(zhì)量、基礎(chǔ)設(shè)施和流量控制均提出了很高的要求。流量的分析與建模是網(wǎng)絡(luò)管理和性能分析的基礎(chǔ),流量分析可以獲得網(wǎng)絡(luò)流量的運(yùn)行規(guī)律及特性,而基于流量特性的建模,不但可以預(yù)測(cè)流量的行為趨勢(shì),而且能應(yīng)用于擁塞控制、網(wǎng)絡(luò)性能評(píng)價(jià)、網(wǎng)絡(luò)規(guī)劃等領(lǐng)域。因此建立全面、準(zhǔn)確地流量預(yù)測(cè)模型具有非常重要的意義。當(dāng)前,P2P流量呈直線上升的趨勢(shì),它不僅改變了當(dāng)前網(wǎng)絡(luò)流量的組成和行為特征,而且消耗著巨大的網(wǎng)絡(luò)帶寬,使網(wǎng)絡(luò)擁塞,增加了運(yùn)營成本,嚴(yán)重影響了傳統(tǒng)Internet業(yè)務(wù)的性能。因此,為了實(shí)現(xiàn)可靠的數(shù)據(jù)傳輸以及合理的網(wǎng)絡(luò)資源分配,就需要根據(jù)網(wǎng)絡(luò)流量的行為特性建立相應(yīng)的流量預(yù)測(cè)模型,本文以P2P流量特性分析為出發(fā)點(diǎn),對(duì)P2P流量的特征模型及其預(yù)測(cè)方法進(jìn)行相關(guān)研究,設(shè)計(jì)出了一個(gè)基于小波與時(shí)間序列的P2P流量預(yù)測(cè)模型。實(shí)驗(yàn)結(jié)果表明,該模型能夠比較全面地描述和刻畫P2P流量的各種特性,對(duì)比其他預(yù)測(cè)方法具有更高的預(yù)測(cè)精度,并且它能夠?yàn)镮P網(wǎng)絡(luò)容量規(guī)劃、流量工程、故障診斷、性能提升等科學(xué)決策提供依據(jù),為網(wǎng)絡(luò)可靠性及低延遲／丟包提供保障。本文主要完成了以下幾個(gè)方面的工作：（1）總結(jié)了網(wǎng)絡(luò)流量預(yù)測(cè)模型領(lǐng)域的研究成果和研究現(xiàn)狀,系統(tǒng)地分析了計(jì)算Hurst指數(shù)的各種估計(jì)法的特點(diǎn),并驗(yàn)證了P2P網(wǎng)絡(luò)流量的自相似特性和周期性等流量特性,指出流量預(yù)測(cè)建模應(yīng)該建立在流量特性分析的基礎(chǔ)上,為后續(xù)的研究工作提供了有益的指導(dǎo)方向。（2）網(wǎng)絡(luò)流量的不平穩(wěn)性,對(duì)于流量模型的預(yù)測(cè)效果具有很大的影響。本文提出了一種流量的平穩(wěn)化方法,這種方法能夠在一定程度上消除流量的不平穩(wěn)特性對(duì)于流量模型預(yù)測(cè)效果的不良影響。（3）針對(duì)P2P流量的周期特性,本文提出了采用動(dòng)態(tài)指數(shù)平滑法來對(duì)最終的預(yù)測(cè)數(shù)據(jù)進(jìn)行修正。實(shí)驗(yàn)證明,修正后的預(yù)測(cè)數(shù)據(jù)平均相對(duì)誤差比未修正的數(shù)據(jù)降低了1.04%,提高了預(yù)測(cè)精度（4）根據(jù)P2P網(wǎng)絡(luò)流量體現(xiàn)的自相似性、周期性等特性,本文提出了一種基于小波與時(shí)間序列分析的P2P流量預(yù)測(cè)模型,并應(yīng)用該模型的預(yù)測(cè)算法對(duì)真實(shí)網(wǎng)絡(luò)流量數(shù)據(jù)的未來行為趨勢(shì)進(jìn)行預(yù)測(cè)和分析,實(shí)驗(yàn)結(jié)果表明該預(yù)測(cè)模型能夠比較全面地描述和刻畫P2P流量的各種特性,對(duì)比已有的方法,這種方法具有更高的預(yù)測(cè)精度。
蒲儒峰[7]（2009）在《基于網(wǎng)絡(luò)流量分形特性的DDoS攻擊檢測(cè)》文中提出隨著全球Internet網(wǎng)絡(luò)飛速發(fā)展,網(wǎng)絡(luò)安全問題已經(jīng)成為一個(gè)急需解決的問題。在眾多的網(wǎng)絡(luò)安全威脅中,DDoS以其實(shí)施容易,破壞力度大,檢測(cè)困難成為重中之重。近年來,對(duì)網(wǎng)絡(luò)流量特性的研究發(fā)現(xiàn)實(shí)際網(wǎng)絡(luò)流量具有明顯的尺度特性,在大尺度上表現(xiàn)為自相似（單分形）,在小尺度上表現(xiàn)為多重分形。本文在分析網(wǎng)絡(luò)流量分形特性的基礎(chǔ)上,研究利用網(wǎng)絡(luò)流量分形特性檢測(cè)DDoS攻擊的相關(guān)問題。論文首先闡述DoS攻擊和DDoS攻擊原理,分析常見的DDoS攻擊類型,總結(jié)在實(shí)施DDoS攻擊過程中常用的工具,分析常見的DDoS攻擊檢測(cè)方法。其次,利用FGN模型生成自相似數(shù)據(jù),研究自相似Hurst參數(shù)7種常見估算算法的性能,分析典型DDoS攻擊流量的自相似特性和多重分形特性,研究兩個(gè)子流量合成一個(gè)新的流量時(shí),新流量的Hurst參數(shù)與子流量Hurst參數(shù)之間的關(guān)系。論文的重點(diǎn)內(nèi)容是利用網(wǎng)絡(luò)流量的Hurst參數(shù)和Holder指數(shù)來檢測(cè)DDoS攻擊。用背景流量模擬沒有攻擊發(fā)生時(shí)網(wǎng)絡(luò)流量的正常情況,將攻擊流量加入到背景流量中描述攻擊發(fā)生時(shí)網(wǎng)絡(luò)流量的變化情況,然后將一定時(shí)間段內(nèi)的網(wǎng)絡(luò)流量聚合在一起,形成一個(gè)非負(fù)的時(shí)間序列,這個(gè)時(shí)間序列就代表了網(wǎng)絡(luò)的流量情況。再利用R/S算法來估算這個(gè)非負(fù)的時(shí)間序列在一些時(shí)間點(diǎn)的Hurst參數(shù)值。最后,通過繪圖得到時(shí)間序列Hurst參數(shù)值的變化圖。分析發(fā)現(xiàn),利用Hurst參數(shù)能對(duì)DDoS攻擊進(jìn)行有效的檢測(cè),但是由于自相似特性體現(xiàn)的長相關(guān)性,決定了利用網(wǎng)絡(luò)流量的單分形特性檢測(cè)DDoS攻擊會(huì)存在檢測(cè)時(shí)延和檢測(cè)靈敏度的問題。近來的研究發(fā)現(xiàn)網(wǎng)絡(luò)流量在小尺度下具有多重分形特性,本文將對(duì)利用網(wǎng)絡(luò)流量的Holder指數(shù)檢測(cè)DDoS攻擊進(jìn)行研究。通過實(shí)驗(yàn)分析小尺度下DDoS攻擊發(fā)生時(shí),網(wǎng)絡(luò)流量Holder指數(shù)的變化情況。通過研究,發(fā)現(xiàn)DDoS攻擊發(fā)生時(shí),網(wǎng)絡(luò)流量的Holder指數(shù)與正常情況相比有明顯的變化。因?yàn)樾〕叨认碌腍older指數(shù)體現(xiàn)的是局部奇異性,所以利用Holder指數(shù)的變化來檢測(cè)DDoS攻擊,不存在檢測(cè)時(shí)延和檢測(cè)靈敏度問題,取得了較好的效果。
王學(xué)超,朱怡安,鐘冬[8]（2009）在《網(wǎng)格環(huán)境下的作業(yè)流量分析與建?！肺闹兄赋鼍W(wǎng)格作業(yè)流量模型是網(wǎng)格性能評(píng)價(jià)和預(yù)測(cè)的基礎(chǔ),通過對(duì)Grid’5000一年內(nèi)的網(wǎng)格作業(yè)記錄的分析,描述了網(wǎng)格作業(yè)流量的特點(diǎn)?；谠撎攸c(diǎn)和Poisson模型的不足,提出以作業(yè)到達(dá)時(shí)間間隔描述作業(yè)流,采用馬爾可夫調(diào)制泊松過程（MMPP）作為流量模型的建模方法。通過在網(wǎng)格層和虛擬組織（VO）層的建模,并與Poisson模型和超指數(shù)模型的對(duì)比實(shí)驗(yàn)分析,表明MMPP可較好地為網(wǎng)格作業(yè)流量建模。
杜鑫[9]（2009）在《基于分布特征的網(wǎng)絡(luò)流量分析技術(shù)研究》文中研究指明網(wǎng)絡(luò)結(jié)構(gòu)的日趨復(fù)雜,網(wǎng)絡(luò)規(guī)模的不斷擴(kuò)大,使得剛絡(luò)管理的要求越來越高,難度越來越大。網(wǎng)絡(luò)流量作為記錄和反映網(wǎng)絡(luò)及其用戶活動(dòng)的重要載體,幾乎可以跟所有與網(wǎng)絡(luò)相關(guān)的活動(dòng)聯(lián)系在一起,因此對(duì)網(wǎng)絡(luò)流量進(jìn)行分析是非常有意義的。然而目前在針對(duì)網(wǎng)絡(luò)流量分析的具體應(yīng)用中,主要是實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)流量的實(shí)時(shí)查詢與統(tǒng)計(jì),且所監(jiān)測(cè)的數(shù)據(jù)大多局限于流量的大小等原始狀態(tài),而進(jìn)一步的深入分析又會(huì)引起一定的滯后性,有悖于網(wǎng)絡(luò)監(jiān)測(cè)分析的實(shí)時(shí)性原則。這種局面使得網(wǎng)絡(luò)管理人員很難獲取到深層次的信息,從而無法達(dá)到及時(shí)、準(zhǔn)確地掌握網(wǎng)絡(luò)狀態(tài)的目的。針對(duì)這種情況,本文提出“首重宏觀,由面及點(diǎn)”的分析思路,將流量在某些特征參數(shù)上的分布信息作為分析對(duì)象,并以此為切入點(diǎn)開展深入研究,主要的工作如下:1.基于信息熵理論構(gòu)建了一套流量分布狀態(tài)的描述方法。該方法以流量在下層網(wǎng)絡(luò)結(jié)點(diǎn)上的分布狀態(tài)來描述上層結(jié)點(diǎn)的流量信息,并通過熵理論進(jìn)行了合理的描述與獲取。通過后續(xù)的時(shí)序分析對(duì)該方法描述流量分布特征的有效性進(jìn)行了驗(yàn)證。2.設(shè)計(jì)了一種基于分層和K-Means改進(jìn)的聚類算法。該算法針對(duì)分層聚合和K-Means兩種經(jīng)典算法的不足,結(jié)合網(wǎng)絡(luò)流量分析的實(shí)際需求,實(shí)現(xiàn)了針對(duì)流量分布特征的動(dòng)態(tài)聚類。通過實(shí)際網(wǎng)絡(luò)環(huán)境進(jìn)行實(shí)驗(yàn),充分驗(yàn)證了該算法區(qū)分不同流量模式狀態(tài)的有效性。3.設(shè)計(jì)實(shí)現(xiàn)了一個(gè)流量數(shù)據(jù)采集引擎。該引擎基于SNMP網(wǎng)絡(luò)管理技術(shù)框架,利用SNMP++二次開發(fā)平臺(tái)收集網(wǎng)絡(luò)流量數(shù)據(jù),作為后續(xù)流量分析的數(shù)據(jù)基礎(chǔ)。4.設(shè)計(jì)實(shí)現(xiàn)了一個(gè)基于分布特征的網(wǎng)絡(luò)流量監(jiān)測(cè)與分析原型系統(tǒng)。該系統(tǒng)通過對(duì)流量大小和流量分布兩類數(shù)據(jù)信息進(jìn)行監(jiān)測(cè),完成對(duì)網(wǎng)絡(luò)流量狀態(tài)較為全面的分析。網(wǎng)絡(luò)流量分析是網(wǎng)絡(luò)安全管理的重要內(nèi)容之一,本文所提出的對(duì)網(wǎng)絡(luò)流量在特征參數(shù)上的分布信息進(jìn)行分析的方法,從不同的角度實(shí)現(xiàn)了對(duì)流量的監(jiān)測(cè)分析,有效緩解了流量分析中信息量與實(shí)時(shí)性之間的矛盾,是對(duì)現(xiàn)有網(wǎng)絡(luò)分析技術(shù)理論的合理探索和有益補(bǔ)充。同時(shí),該技術(shù)方法的應(yīng)用也為網(wǎng)絡(luò)管理員分析、掌握網(wǎng)絡(luò)狀態(tài)提供了一定的方便和幫助。
史海濱[10]（2008）在《無線蜂窩通信系統(tǒng)呼叫接納控制相關(guān)模型及其QoS研究》文中研究表明隨著通信技術(shù)、傳輸技術(shù)的迅猛發(fā)展,客觀上使下一代通信網(wǎng)絡(luò)同時(shí)承載語音、數(shù)據(jù)、多媒體等業(yè)務(wù)成為必然。已經(jīng)有越來越多的用戶利用網(wǎng)絡(luò)進(jìn)行工作、學(xué)習(xí)、娛樂,網(wǎng)絡(luò)的服務(wù)質(zhì)量（QoS）也越來越成為用戶和運(yùn)營商共同關(guān)心的問題。一方面,用戶不希望自己購買的網(wǎng)絡(luò)服務(wù)質(zhì)量受到侵害,另一方面,網(wǎng)絡(luò)運(yùn)營商也希望自己的投入能達(dá)到最大的產(chǎn)出。對(duì)網(wǎng)絡(luò)QoS的研究一直與網(wǎng)絡(luò)的發(fā)展相隨相伴,QoS的實(shí)現(xiàn)與資源管理密切相關(guān)。流量模型是資源管理賴以研究的基礎(chǔ)。傳統(tǒng)的流量模型都是假設(shè)隨到接入的,這與實(shí)際系統(tǒng)的接入方式并不相符,實(shí)際系統(tǒng)的時(shí)間幾乎都是被時(shí)隙化的。模型與實(shí)際的差異會(huì)對(duì)模型精度造成多大影響常常是流量模型研究中被忽視的問題,相關(guān)的文獻(xiàn)就作者所知目前還沒有見到。本文就傳統(tǒng)的間斷泊松模型（IPP）對(duì)這種誤差做了研究,從數(shù)學(xué)根源上闡明了誤差產(chǎn)生的原理。對(duì)IPP模型經(jīng)過時(shí)隙化接入后的動(dòng)態(tài)流量均值以及傳統(tǒng)IPP模型經(jīng)時(shí)隙接入后的誤差近似公式做了推導(dǎo),仿真表明考慮了時(shí)隙接入影響的IPP模型的動(dòng)態(tài)流量均值與仿真值非常一致,相比傳統(tǒng)IPP模型具有更高的精度,誤差近似公式與仿真結(jié)果也高度一致,表明這兩者的理論結(jié)果是可信的。本文的IPP流量均值誤差公式還表明,只要接入的延時(shí)足夠短,或者時(shí)隙足夠小,時(shí)隙對(duì)傳統(tǒng)流量模型精度的影響也很小,基本可以忽略。這個(gè)結(jié)論為我們放心使用傳統(tǒng)流量模型提供了理論依據(jù),也使得后面對(duì)流量模型的研究可以不再考慮時(shí)隙化接入帶來的影響。實(shí)施呼叫接納控制必須先已知網(wǎng)絡(luò)流量。流量信息通常有兩種獲取方式,一是借助流量模型,二是對(duì)流量進(jìn)行實(shí)地測(cè)量。CAC常用的流量模型有五種,但是這五種模型在流量描述和計(jì)算復(fù)雜度上互有利弊,缺少一種計(jì)算上相對(duì)簡單同時(shí)又能描述動(dòng)態(tài)流量分布的瞬時(shí)流量模型。本文提出了一種增強(qiáng)型ON/OFF流量模型。它是在傳統(tǒng)ON/OFF流量模型基礎(chǔ)上,通過修改傳統(tǒng)模型假定的恒定流量為隨機(jī)流量、ON和OFF狀態(tài)以固定概率相互轉(zhuǎn)換為ON狀態(tài)持續(xù)時(shí)間分布,以及增加一個(gè)突發(fā)到達(dá)時(shí)間的概率分布作為已知條件得到的。該模型克服了傳統(tǒng)ON/OFF模型不能描述流量隨時(shí)間動(dòng)態(tài)分布的缺點(diǎn)。本文通過推導(dǎo)給出了該模型在任意時(shí)刻的流量分布式,以及任意時(shí)刻的流量均值表達(dá)式。本文還給出了突發(fā)到達(dá)過程服從泊松過程、突發(fā)持續(xù)時(shí)間服從指數(shù)分布時(shí),系統(tǒng)在任意時(shí)刻的流量分布和均值計(jì)算公式。并且為了計(jì)算可行性,還推導(dǎo)出了公式中概率的簡化計(jì)算式。之后對(duì)系統(tǒng)動(dòng)態(tài)流量均值做了仿真,結(jié)果與理論值一致。在蜂窩無線通信中,用戶的移動(dòng)行為對(duì)小區(qū)性能有重大影響。由于人們的移動(dòng)行為受太多因素的影響,現(xiàn)有的模型往往不但復(fù)雜,結(jié)果離應(yīng)用也有很大距離。本文提出了一個(gè)蜂窩無線通信系統(tǒng)的一般用戶移動(dòng)模型,它將小區(qū)中的呼叫分為本地呼叫、本地切換到外地的呼叫、外地切換到本地的呼叫三類,當(dāng)每類呼叫的小區(qū)信道占用時(shí)間、帶寬分布、到達(dá)過程都已知時(shí),對(duì)小區(qū)帶寬占用均值的預(yù)測(cè)就可以利用第三章的結(jié)果。這個(gè)一般移動(dòng)模型用帶寬作為模型的資源參數(shù),克服了許多模型以信道數(shù)作為資源占用單位這種不適合分析分組通信的缺點(diǎn)。在該模型下,本文接著提出了一種以概率方式進(jìn)行CAC的策略,并給出了該策略下優(yōu)化問題的約束條件和目標(biāo)方程,最后做了仿真并分析了該CAC的利弊。為了解決多業(yè)務(wù)共享傳輸帶寬時(shí)的QoS保障問題,IETF組織提出了區(qū)分業(yè)務(wù)的DiffServ QoS模型,其基本思想就是將系統(tǒng)帶寬按業(yè)務(wù)類別分割,每類業(yè)務(wù)獲得一份帶寬配額。以往帶寬分割的不足在于以帶寬分配以信道為單位,無法實(shí)現(xiàn)“無級(jí)”方式的分割,這對(duì)分組交換網(wǎng)絡(luò)是沒有太大意義的。本文提出了一種近似“無級(jí)”的帶寬動(dòng)態(tài)分割策略。它利用了基于有效帶寬的CAC策略得到的結(jié)果,即在帶寬溢出概率小于給定值的QoS要求下,系統(tǒng)允許的最大用戶數(shù)與容量之間滿足的關(guān)系式。本文動(dòng)態(tài)分割算法先保證業(yè)務(wù)帶寬最小配額與當(dāng)前用戶數(shù)相匹配,然后用搜索的方式獲得使所有業(yè)務(wù)的有效帶寬和最大時(shí)的各帶寬配額。業(yè)務(wù)帶寬分割粒度取決于搜索步長,因而可以實(shí)現(xiàn)近似的“無級(jí)”。本文還給出了業(yè)務(wù)帶寬服從指數(shù)分布時(shí)的具體優(yōu)化方程,并對(duì)雙業(yè)務(wù)下的帶寬分割做了仿真。對(duì)點(diǎn)過程流量模型的帶寬動(dòng)態(tài)消耗做了研究。掌握帶寬動(dòng)態(tài)消耗過程可以更準(zhǔn)確地進(jìn)行接納控制和資源管理,并能在異常情況下對(duì)資源告罄預(yù)警。在流量模型研究中,點(diǎn)過程是另一種流量模型,與此相關(guān)的數(shù)學(xué)工具是排隊(duì)論和馬爾科夫鏈,用它們的結(jié)果計(jì)算帶寬動(dòng)態(tài)消耗過程涉及大量的矩陣運(yùn)算,難以滿足CAC的實(shí)時(shí)性要求。本文從另一個(gè)角度對(duì)帶寬消耗的均值與方差過程做了推導(dǎo),并在高斯過程的假設(shè)下,給出了能以一定的概率預(yù)測(cè)在當(dāng)前的消耗速度下帶寬用盡的時(shí)間范圍。仿真表明結(jié)果是比較準(zhǔn)確的。
二、用馬爾可夫調(diào)制的泊松過程近似多分形突發(fā)流量研究(英文)（論文開題報(bào)告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡單簡介論文所研究問題的基本概念和背景，再而簡單明了地指出論文所要研究解決的具體問題，并提出你的論文準(zhǔn)備的觀點(diǎn)或解決方法。
寫法范例：
本文主要提出一款精簡64位RISC處理器存儲(chǔ)管理單元結(jié)構(gòu)并詳細(xì)分析其設(shè)計(jì)過程。在該MMU結(jié)構(gòu)中,TLB采用叁個(gè)分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲(chǔ)器并行查找,支持粗粒度為64KB和細(xì)粒度為4KB兩種頁面大小,采用多級(jí)分層頁表結(jié)構(gòu)映射地址空間,并詳細(xì)論述了四級(jí)頁表轉(zhuǎn)換過程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲(chǔ)系統(tǒng)實(shí)現(xiàn)的一個(gè)重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對(duì)象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對(duì)象從而得到有關(guān)信息。
實(shí)驗(yàn)法：通過主支變革、控制研究對(duì)象來發(fā)現(xiàn)與確認(rèn)事物間的因果關(guān)系。
文獻(xiàn)研究法：通過調(diào)查文獻(xiàn)來獲得資料，從而全面的、正確的了解掌握研究方法。
實(shí)證研究法：依據(jù)現(xiàn)有的科學(xué)理論和實(shí)踐的需要提出設(shè)計(jì)。
定性分析法：對(duì)研究對(duì)象進(jìn)行“質(zhì)”的方面的研究，這個(gè)方法需要計(jì)算的數(shù)據(jù)較少。
定量分析法：通過具體的數(shù)字，使人們對(duì)研究對(duì)象的認(rèn)識(shí)進(jìn)一步精確化。
跨學(xué)科研究法：運(yùn)用多學(xué)科的理論、方法和成果從整體上對(duì)某一課題進(jìn)行研究。
功能分析法：這是社會(huì)科學(xué)用來分析社會(huì)現(xiàn)象的一種方法，從某一功能出發(fā)研究多個(gè)方面的影響。
模擬法：通過創(chuàng)設(shè)一個(gè)與原型相似的模型來間接研究原型某種特性的一種形容方法。
三、用馬爾可夫調(diào)制的泊松過程近似多分形突發(fā)流量研究(英文)（論文提綱范文）
（1）異質(zhì)業(yè)務(wù)背景下網(wǎng)絡(luò)QoS分析與保障研究（論文提綱范文）
| 摘要 |
| Abstract |
| 英文縮略詞 |
| 第1章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 基于排隊(duì)模型的QoS研究現(xiàn)狀 |
| 1.2.2 異質(zhì)業(yè)務(wù)到達(dá)下排隊(duì)系統(tǒng)建模研究現(xiàn)狀 |
| 1.2.3 鞅理論在QoS研究中應(yīng)用現(xiàn)狀 |
| 1.3 論文的主要內(nèi)容及組織結(jié)構(gòu) |
| 第2章 QoS相關(guān)理論及研究方法 |
| 2.1 QoS介紹 |
| 2.1.1 QoS基本概念 |
| 2.1.2 QoS分類及指標(biāo) |
| 2.2 排隊(duì)論 |
| 2.2.1 排隊(duì)系統(tǒng)模型 |
| 2.2.2 排隊(duì)論發(fā)展及研究方法 |
| 2.3 大偏差理論 |
| 2.3.1 大偏差理論基礎(chǔ) |
| 2.3.2 大偏差與緩存溢出概率界 |
| 2.4 鞅相關(guān)理論 |
| 2.4.1 鞅過程 |
| 2.4.2 超鞅與亞鞅 |
| 2.4.3 基于超鞅的緩存溢出概率界 |
| 2.5 本章小結(jié) |
| 第3章 排隊(duì)系統(tǒng)緩存行為瞬時(shí)分析 |
| 3.1 引言 |
| 3.2 系統(tǒng)模型 |
| 3.3 排隊(duì)系統(tǒng)鞅域分析 |
| 3.3.1 隊(duì)長鞅構(gòu)造與停時(shí)分析 |
| 3.3.2 高階鞅構(gòu)造與停時(shí)分析 |
| 3.4 仿真分析 |
| 3.5 本章小結(jié) |
| 第4章 時(shí)延QoS約束下的流量帶寬估計(jì) |
| 4.1 引言 |
| 4.2 帶寬估計(jì)方法總結(jié)及超鞅模型優(yōu)勢(shì) |
| 4.3 系統(tǒng)模型 |
| 4.4 時(shí)延性能分析與帶寬估計(jì) |
| 4.4.1 超鞅構(gòu)造 |
| 4.4.2 時(shí)延違反概率界 |
| 4.4.3 超鞅時(shí)延界與有效帶寬時(shí)延界比較 |
| 4.4.4 帶寬估計(jì)流程 |
| 4.4.5 超鞅模型的擴(kuò)展性與適用性 |
| 4.5 仿真分析 |
| 4.6 應(yīng)用場景 |
| 4.7 本章小結(jié) |
| 第5章 隨機(jī)接入網(wǎng)絡(luò)終端分組算法及性能評(píng)價(jià) |
| 5.1 引言 |
| 5.2 博弈論介紹 |
| 5.3 分組算法 |
| 5.3.1 問題描述 |
| 5.3.2 算法設(shè)計(jì) |
| 5.3.3 算法分析 |
| 5.4 時(shí)延性能分析 |
| 5.5 仿真分析 |
| 5.6 本章小結(jié) |
| 第6章 結(jié)論與展望 |
| 6.1 工作總結(jié) |
| 6.2 研究展望 |
| 參考文獻(xiàn) |
| 作者簡介及在攻讀博士期間取得的科研成果 |
| 致謝 |
（2）虛擬化環(huán)境下軟件老化系統(tǒng)的性能仿真分析（論文提綱范文）
| 摘要 |
| abstract |
| 第1章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.3 本文研究內(nèi)容 |
| 1.4 論文組織結(jié)構(gòu) |
| 第2章 理論基礎(chǔ)及老化系統(tǒng)概述 |
| 2.1 軟件性能 |
| 2.2 軟件老化和再生策略 |
| 2.2.1 軟件老化及恢復(fù) |
| 2.2.2 軟件再生策略 |
| 2.3 通信系統(tǒng)老化模型 |
| 2.4 本章小結(jié) |
| 第3章 仿真模型及再生算法設(shè)計(jì) |
| 3.1 排隊(duì)系統(tǒng)簡介 |
| 3.2 仿真模型描述 |
| 3.3 仿真模型分析 |
| 3.4 再生算法 |
| 3.4.1 SRAA、SARAA算法 |
| 3.4.2 CLTA算法 |
| 3.4.3 EDRA算法 |
| 3.5 本章小結(jié) |
| 第4章 仿真與結(jié)果分析 |
| 4.1 系統(tǒng)仿真建模 |
| 4.2 仿真程序設(shè)計(jì) |
| 4.2.1 事件調(diào)度法 |
| 4.2.2 程序架構(gòu) |
| 4.2.3 程序運(yùn)行流程 |
| 4.3 仿真結(jié)果分析 |
| 4.3.1 參數(shù)設(shè)置 |
| 4.3.2 數(shù)據(jù)結(jié)果與分析 |
| 4.4 本章小結(jié) |
| 結(jié)論 |
| 參考文獻(xiàn) |
| 致謝 |
（3）自相似網(wǎng)絡(luò)流量流體流模型及主動(dòng)隊(duì)列管理算法研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 選題背景及研究意義 |
| 1.2 網(wǎng)絡(luò)擁塞 |
| 1.2.1 網(wǎng)絡(luò)擁塞概述 |
| 1.2.2 網(wǎng)絡(luò)擁塞控制熱點(diǎn)問題和挑戰(zhàn) |
| 1.3 IP 擁塞控制 |
| 1.3.1 主動(dòng)隊(duì)列管理 |
| 1.3.2 IP 擁塞控制熱點(diǎn)問題和挑戰(zhàn) |
| 1.4 基于控制理論的主動(dòng)隊(duì)列管理 |
| 1.4.1 TCP/AQM 流體流模型 |
| 1.4.2 基于 PID 控制的 AQM 算法 |
| 1.4.3 基于控制論的 AQM 機(jī)制熱點(diǎn)問題和挑戰(zhàn) |
| 1.5 基于自相似業(yè)務(wù)流的主動(dòng)隊(duì)列管理 |
| 1.5.1 基于自相似網(wǎng)絡(luò)流量的 AQM 算法 |
| 1.5.2 基于自相似的 AQM 機(jī)制熱點(diǎn)問題和挑戰(zhàn) |
| 1.6 本文主要研究內(nèi)容 |
| 1.7 本文章節(jié)結(jié)構(gòu)安排 |
| 第2章 網(wǎng)絡(luò)業(yè)務(wù)流自相似性 |
| 2.1 自相似理論基礎(chǔ) |
| 2.2 網(wǎng)絡(luò)流量模型 |
| 2.2.1 短相關(guān)模型 |
| 2.2.2 長相關(guān)模型 |
| 2.3 網(wǎng)絡(luò)流量自相似性 |
| 2.3.1 網(wǎng)絡(luò)自相似業(yè)務(wù)流 |
| 2.3.2 網(wǎng)絡(luò)流量自相似性成因 |
| 2.4 自相似網(wǎng)絡(luò)流量的仿真和生成 |
| 2.4.1 赫斯特指數(shù)估計(jì) |
| 2.4.2 重尾分布 ON/OFF 模型 |
| 2.4.3 分形高斯噪聲 |
| 2.5 自相似網(wǎng)絡(luò)流量下基于控制論的 AQM 算法 |
| 2.6 本章小結(jié) |
| 第3章 TCP/AQM 流體流時(shí)延模型 |
| 3.1 問題描述 |
| 3.2 時(shí)延模型 |
| 3.2.1 常數(shù) RTT |
| 3.2.2 多項(xiàng)式函數(shù) RTT |
| 3.2.3 泊松過程 RTT |
| 3.2.4 分?jǐn)?shù)布朗 RTT |
| 3.2.5 時(shí)延模型分析和結(jié)論 |
| 3.3 基于排隊(duì)時(shí)延的 TCP 顯式擁塞控制算法 QDCN |
| 3.3.1 算法思想描述 |
| 3.3.2 算法性能評(píng)測(cè) |
| 3.4 本章小結(jié) |
| 第4章 基于時(shí)間槽的自相似流量隨機(jī)早檢測(cè)算法 |
| 4.1 問題描述 |
| 4.2 算法理論基礎(chǔ) |
| 4.3 算法思想描述 |
| 4.4 算法性能評(píng)測(cè) |
| 4.4.1 仿真方案設(shè)計(jì) |
| 4.4.2 實(shí)驗(yàn)一 STRED 算法性能評(píng)測(cè)比較 |
| 4.4.3 實(shí)驗(yàn)二關(guān)于參數(shù)路由器緩存大小 |
| 4.4.4 實(shí)驗(yàn)三關(guān)于參數(shù)初始元大小 |
| 4.4.5 實(shí)驗(yàn)四關(guān)于參數(shù)時(shí)間槽大小 |
| 4.5 本章小結(jié) |
| 第5章 TCP/AQM 二象性流體流模型 |
| 5.1 問題描述 |
| 5.1.1 泊松流和分形布朗運(yùn)動(dòng)流 |
| 5.1.2 短相關(guān)性和長相關(guān)性 |
| 5.2 二象性業(yè)務(wù)流模型 |
| 5.2.1 自相似存儲(chǔ)模型 |
| 5.2.2 路由器恒速服務(wù) |
| 5.2.3 路由器隨機(jī)服務(wù) |
| 5.2.4 二象性到達(dá)流和分流系數(shù) |
| 5.3 新型分?jǐn)?shù) LéVY 隨機(jī)過程 |
| 5.4 二象性流體流模型 |
| 5.4.1 平均輸入速率 |
| 5.4.2 偏差系數(shù) |
| 5.4.3 二象性流體流模型 |
| 5.5 隊(duì)列性能仿真 |
| 5.6 本章小結(jié) |
| 結(jié)論 |
| 參考文獻(xiàn) |
| 攻讀博士學(xué)位期間發(fā)表的論文及其它成果 |
| 致謝 |
| 個(gè)人簡歷 |
（4）高速復(fù)雜網(wǎng)絡(luò)環(huán)境下異常流量檢測(cè)技術(shù)研究（論文提綱范文）
| 表目錄 |
| 圖目錄 |
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 課題研究背景 |
| 1.2 課題的提出及意義 |
| 1.3 相關(guān)領(lǐng)域的研究歷史 |
| 1.3.1 網(wǎng)絡(luò)異常流量的來源 |
| 1.3.2 異常檢測(cè)方法及系統(tǒng) |
| 1.4 當(dāng)前領(lǐng)域研究中存在的問題 |
| 1.5 本文的貢獻(xiàn)和章節(jié)安排 |
| 第二章 網(wǎng)絡(luò)異常流量檢測(cè)基礎(chǔ) |
| 2.1 引言 |
| 2.2 理論基礎(chǔ)研究 |
| 2.3 網(wǎng)絡(luò)流量檢測(cè)數(shù)據(jù)源 |
| 2.4 異常流量分析工具 |
| 2.4.1 數(shù)據(jù)合成工具 |
| 2.4.2 數(shù)據(jù)分析工具 |
| 2.5 本章小結(jié) |
| 第三章 面向網(wǎng)絡(luò)異常流量檢測(cè)的抽樣技術(shù)研究 |
| 3.1 引言 |
| 3.2 相關(guān)工作 |
| 3.3 網(wǎng)絡(luò)流量流長分布自適應(yīng)抽樣算法 |
| 3.3.1 網(wǎng)絡(luò)流長分布估計(jì) |
| 3.3.2 基于流長分布的自適應(yīng)抽樣算法 |
| 3.4 實(shí)驗(yàn)結(jié)果比較分析 |
| 3.5 本章小結(jié) |
| 第四章 網(wǎng)絡(luò)流量的符號(hào)化及其特性研究 |
| 4.1 網(wǎng)絡(luò)流量符號(hào)序列化問題分析 |
| 4.2 符號(hào)序列分析的相關(guān)研究 |
| 4.2.1 隨機(jī)變量相對(duì)熵 |
| 4.2.2 隨機(jī)序列的相對(duì)熵 |
| 4.3 符號(hào)間互信息持續(xù)性度量 |
| 4.3.1 序列互信息量定義 |
| 4.3.2 網(wǎng)絡(luò)流量符號(hào)產(chǎn)生過程的物理模擬 |
| 4.3.3 流量符號(hào)間的互信息計(jì)算 |
| 4.3.4 流量符號(hào)間的互信息特性分析 |
| 4.3.5 符號(hào)間互信息持續(xù)性度量的定義 |
| 4.4 CMI 在流量建模中的作用研究 |
| 4.4.1 CMI 用于異常流量檢測(cè)的可行性分析 |
| 4.4.2 CMI 值計(jì)算量分析 |
| 4.5 本章小結(jié) |
| 第五章 一種新的流量模型 TSTM 及驗(yàn)證 |
| 5.1 引言 |
| 5.2 網(wǎng)絡(luò)流量模型研究概述 |
| 5.3 一種全新的流量模型 TSTM |
| 5.4 TSTM 模型驗(yàn)證 |
| 5.4.1 模型參數(shù)的擬合 |
| 5.4.2 建模效果與分析 |
| 5.5 本章小結(jié) |
| 第六章 基于 TSTM 模型的異常流量檢測(cè)算法 |
| 6.1 引言 |
| 6.2 基于 TSTM 模型的異常流量檢測(cè)算法 |
| 6.2.1 異常流量現(xiàn)象發(fā)現(xiàn)機(jī)制 |
| 6.2.2 一種無監(jiān)督的網(wǎng)絡(luò)異常溯源算法 |
| 6.3 算法性能評(píng)估 |
| 6.4 異常檢測(cè)系統(tǒng)實(shí)現(xiàn)與驗(yàn)證 |
| 6.4.1 大規(guī)模接入?yún)R聚路由器的異常流量檢測(cè)需求 |
| 6.4.2 ACR 異常檢測(cè)系統(tǒng)實(shí)現(xiàn) |
| 6.4.3 實(shí)驗(yàn)驗(yàn)證 |
| 6.5 本章小結(jié) |
| 第七章 結(jié)束語 |
| 7.1 本文的研究成果及意義 |
| 7.2 需要進(jìn)一步研究的問題 |
| 參考文獻(xiàn) |
| 作者簡歷 攻讀博士學(xué)位期間完成的主要工作 |
| 致謝 |
（5）混合無源光網(wǎng)絡(luò)關(guān)鍵技術(shù)研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 引言 |
| 1.2 無源光網(wǎng)絡(luò)的演進(jìn) |
| 1.3 PON網(wǎng)絡(luò)研究現(xiàn)狀及關(guān)鍵技術(shù) |
| 1.3.1 PON網(wǎng)絡(luò)物理層架構(gòu) |
| 1.3.2 PON網(wǎng)絡(luò)MAC層架構(gòu) |
| 1.4 GPON與EPON之爭 |
| 1.4.1 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu) |
| 1.4.2 網(wǎng)絡(luò)可用帶寬 |
| 1.4.3 業(yè)務(wù)支持能力 |
| 1.4.4 QoS服務(wù)質(zhì)量保障和安全性 |
| 1.5 論文主要內(nèi)容 |
| 第二章 HGPON混合無源光網(wǎng)絡(luò)架構(gòu) |
| 2.1 混合PON網(wǎng)絡(luò)的演進(jìn)與問題 |
| 2.1.1 從TDM-PON、WDM-PON到混合PON |
| 2.1.2 直接混合PON(DH-PON) |
| 2.3 TDM/WDM HGPON架構(gòu)及仿真 |
| 2.3.1 HGPON物理層光器件的選擇 |
| 2.3.2 HGPON物理層架構(gòu)設(shè)計(jì) |
| 2.4 HGPON MAC層架構(gòu)及仿真 |
| 2.4.1 MAC層架構(gòu)及信令流程 |
| 2.4.2 HGPON架構(gòu)仿真實(shí)驗(yàn)設(shè)計(jì) |
| 2.4.3 OPNET仿真實(shí)驗(yàn)結(jié)果 |
| 本章小結(jié) |
| 第三章 HGPON系統(tǒng)帶寬分配算法研究 |
| 3.1 引言 |
| 3.2 HGPON排隊(duì)論模型及時(shí)延分析 |
| 3.2.1 HGPON系統(tǒng)排隊(duì)論建模 |
| 3.2.2 HGPON系統(tǒng)時(shí)延分析 |
| 3.3 多線程帶寬分配算法設(shè)計(jì) |
| 3.3.1 HGPON系統(tǒng)多線程結(jié)構(gòu)分析 |
| 3.3.2 多線程HGPON仿真評(píng)估 |
| 3.4 流量預(yù)測(cè)帶寬分配算法(EBA) |
| 3.4.1 EBA算法建模與分析 |
| 3.4.2 EBA算法仿真評(píng)估 |
| 本章小結(jié) |
| 第四章 HGPON網(wǎng)絡(luò)多業(yè)務(wù)接入技術(shù)研究 |
| 4.1 引言 |
| 4.2 HGPON多QoS分類技術(shù)研究 |
| 4.2.1 三層次QOS區(qū)分服務(wù)算法 |
| 4.2.2 QoS算法仿真評(píng)估 |
| 4.3 HGPON資源分配技術(shù)研究 |
| 4.3.1 二層次資源調(diào)度算法 |
| 4.3.2 資源調(diào)度算法仿真評(píng)估 |
| 本章小結(jié) |
| 第五章 總結(jié)與展望 |
| 5.1 總結(jié) |
| 5.2 展望 |
| 參考文獻(xiàn) |
| 縮略詞索引表 |
| 致謝 |
| 論文發(fā)表情況 |
（6）城域網(wǎng)應(yīng)用層P2P流量預(yù)測(cè)模型的研究（論文提綱范文）
| 摘要 |
| Abstract |
| 插圖索引 |
| 附表索引 |
| 第1章 緒論 |
| 1.1 研究背景和意義 |
| 1.2 研究現(xiàn)狀 |
| 1.3 本文的主要研究工作 |
| 1.4 本文的組織結(jié)構(gòu) |
| 第2章 城域網(wǎng)P2P流量的特征分析 |
| 2.1 網(wǎng)絡(luò)流量的自相似特性 |
| 2.1.1 自相似的數(shù)學(xué)描述及相關(guān)概念 |
| 2.2 Hurst指數(shù)的估計(jì)算法 |
| 2.2.1 方差-時(shí)間圖法 |
| 2.2.2 R/S(rescaled range)法 |
| 2.2.3 周期圖法 |
| 2.2.4 Whittle法 |
| 2.2.5 小波法 |
| 2.3 P2P流量的特性分析 |
| 2.3.1 P2P流量的自相似性 |
| 2.3.2 P2P流量的周期性 |
| 2.3.3 P2P流量的其他特性 |
| 2.4 本章小結(jié) |
| 第3章 網(wǎng)絡(luò)流量預(yù)測(cè)模型的研究 |
| 3.1 流量預(yù)測(cè)模型的發(fā)展歷程 |
| 3.2 傳統(tǒng)的流量預(yù)測(cè)模型 |
| 3.2.1 泊松模型(Possion) |
| 3.2.2 自回歸模型(AR) |
| 3.2.3 馬爾科夫模型(Markov) |
| 3.2.4 傳統(tǒng)模型的不足 |
| 3.3 網(wǎng)絡(luò)流量預(yù)測(cè)技術(shù)的新發(fā)展 |
| 3.3.1 小波分析理論 |
| 3.3.2 神經(jīng)網(wǎng)絡(luò)理論 |
| 3.4 組合預(yù)測(cè)模型的優(yōu)勢(shì) |
| 3.5 本章小結(jié) |
| 第4章 一種網(wǎng)絡(luò)流量平穩(wěn)化方法 |
| 4.1 建立網(wǎng)絡(luò)流量的正常行為模式 |
| 4.2 平穩(wěn)化方法 |
| 4.3 算法實(shí)現(xiàn) |
| 4.4 本章小結(jié) |
| 第5章 基于小波和時(shí)間序列的P2P流量預(yù)測(cè)模型 |
| 5.1 小波分析 |
| 5.1.1 小波變換的由來和作用 |
| 5.1.2 尺度函數(shù)和小波函數(shù)的性質(zhì) |
| 5.2 時(shí)間序列分析 |
| 5.2.1 時(shí)間序列模型的基本性質(zhì) |
| 5.3 基于小波與時(shí)間序列分析的P2P流量預(yù)測(cè)模型 |
| 5.3.1 模型描述 |
| 5.3.2 Mallat小波分解 |
| 5.3.3 ARIMA模型 |
| 5.3.4 Mallat小波重構(gòu) |
| 5.3.5 預(yù)測(cè)結(jié)果修正 |
| 5.4 本章小結(jié) |
| 第6章 P2P流量模型的實(shí)驗(yàn)與驗(yàn)證 |
| 6.1 實(shí)驗(yàn)平臺(tái)的部署 |
| 6.2 流量的識(shí)別 |
| 6.2.1 應(yīng)用分類 |
| 6.2.2 網(wǎng)絡(luò)流量測(cè)量算法 |
| 6.3 仿真實(shí)驗(yàn)與分析 |
| 6.3.1 分解序列的預(yù)測(cè)建模 |
| 6.3.2 預(yù)測(cè)模型性能分析 |
| 6.4 本章小結(jié) |
| 結(jié)論 |
| 參考文獻(xiàn) |
| 致謝 |
| 附錄A 攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文目錄 |
| 附錄B 攻讀碩士學(xué)位期間所參與的科研活動(dòng) |
（7）基于網(wǎng)絡(luò)流量分形特性的DDoS攻擊檢測(cè)（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 目錄 |
| 第1章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀及存在的問題 |
| 1.2.1 DDoS攻擊檢測(cè)研究現(xiàn)狀 |
| 1.2.2 網(wǎng)絡(luò)流量的自相似特性和多重分形特性 |
| 1.2.3 基于流量分形特性的DDoS攻擊檢測(cè)研究現(xiàn)狀及存在的問題 |
| 1.3 本文研究工作及論文內(nèi)容安排 |
| 第2章 DDoS攻擊及其檢測(cè)方法分析 |
| 2.1 分布式拒絕服務(wù)攻擊原理 |
| 2.2 典型的拒絕服務(wù)攻擊 |
| 2.2.1 直接風(fēng)暴攻擊 |
| 2.2.2 反射風(fēng)暴攻擊 |
| 2.3 拒絕服務(wù)攻擊常用工具 |
| 2.4 拒絕服務(wù)攻擊檢測(cè)方法 |
| 2.5 本章小結(jié) |
| 第3章 流量自相似特性及Hurst參數(shù)估算算法分析 |
| 3.1 網(wǎng)絡(luò)流量的自相似特性 |
| 3.2 自相似流量Hurst參數(shù)的估算算法研究 |
| 3.2.1 常用Hurst參數(shù)估算算法 |
| 3.2.2 常用Hurst參數(shù)估算算法分析 |
| 3.3 DDoS攻擊流量自相似特性分析 |
| 3.4 網(wǎng)絡(luò)流量合成情況研究 |
| 3.5 本章小結(jié) |
| 第4章 基于網(wǎng)絡(luò)流量單分形特性的DDoS攻擊檢測(cè) |
| 4.1 攻擊檢測(cè)的基本思路 |
| 4.2 攻擊檢測(cè)方案 |
| 4.3 Hurst參數(shù)估算算法的選擇與改進(jìn) |
| 4.3.1 Hurst參數(shù)估算算法的選擇 |
| 4.3.2 Hurst參數(shù)估算算法的改進(jìn) |
| 4.4 實(shí)驗(yàn)數(shù)據(jù)的選取 |
| 4.4.1 正常背景數(shù)據(jù) |
| 4.4.2 攻擊數(shù)據(jù) |
| 4.5 實(shí)驗(yàn)及實(shí)驗(yàn)結(jié)果分析 |
| 4.5.1 實(shí)驗(yàn)結(jié)果 |
| 4.5.2 實(shí)驗(yàn)結(jié)果分析 |
| 4.5.3 攻擊判定條件的確定 |
| 4.6 本章小結(jié) |
| 第5章 基于網(wǎng)絡(luò)流量多重分形特性的DDoS攻擊檢測(cè) |
| 5.1 基于網(wǎng)絡(luò)流量單分形特性檢測(cè)DDoS攻擊的局限性 |
| 5.1.1 檢測(cè)時(shí)延 |
| 5.1.2 檢測(cè)靈敏度 |
| 5.2 多重分形的相關(guān)概念 |
| 5.2.1 多重分形的定義 |
| 5.2.2 多重分形模型 |
| 5.3 DDoS攻擊流量的多重分形特性分析 |
| 5.4 基于Holder指數(shù)的DDoS攻擊檢測(cè)方案及實(shí)驗(yàn)分析 |
| 5.4.1 攻擊檢測(cè)的基本思路和方案 |
| 5.4.2 DDoS攻擊實(shí)驗(yàn)及實(shí)驗(yàn)結(jié)果 |
| 5.4.3 實(shí)驗(yàn)結(jié)果分析及攻擊判定條件的確定 |
| 5.5 本章小結(jié) |
| 結(jié)束語 |
| 致謝 |
| 參考文獻(xiàn) |
| 攻讀碩士學(xué)位期間發(fā)表的論文 |
（8）網(wǎng)格環(huán)境下的作業(yè)流量分析與建模（論文提綱范文）
| 0 引言 |
| 1 作業(yè)到達(dá)速率分析 |
| 2 流量模型的選擇 |
| 2.1 MMPP模型 |
| 2.2 超指數(shù)模型 |
| 3 實(shí)驗(yàn)分析 |
| 3.1 網(wǎng)格層 |
| 3.2 VO層 |
| 4 結(jié)束語 |
（9）基于分布特征的網(wǎng)絡(luò)流量分析技術(shù)研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 研究內(nèi)容 |
| 1.3 論文結(jié)構(gòu)安排 |
| 第二章 網(wǎng)絡(luò)流量采集與分析技術(shù)研究現(xiàn)狀 |
| 2.1 概述 |
| 2.2 網(wǎng)絡(luò)流量采集技術(shù)簡述 |
| 2.2.1 基于SNMP/RMON的流量采集 |
| 2.2.2 基于NetFlow/sFlow的流量采集 |
| 2.2.3 基于數(shù)據(jù)采集探針的流量采集 |
| 2.2.4 基于協(xié)議分析儀表的流量采集 |
| 2.2.5 網(wǎng)絡(luò)流量采集技術(shù)的綜合對(duì)比 |
| 2.3 面向建模的流量分析 |
| 2.3.1 傳統(tǒng)網(wǎng)絡(luò)流量模型 |
| 2.3.2 自相似流量建模及相關(guān)研究 |
| 2.3.3 流量模型的局限性 |
| 2.4 面向具體應(yīng)用的流量分析 |
| 2.4.1 正常網(wǎng)絡(luò)流量預(yù)測(cè) |
| 2.4.2 異常網(wǎng)絡(luò)流量檢測(cè) |
| 2.5 存在的問題及對(duì)策 |
| 2.6 本章小結(jié) |
| 第三章 基于熵的流量分布信息的描述與監(jiān)測(cè) |
| 3.1 網(wǎng)絡(luò)流量分布特征實(shí)例分析 |
| 3.2 利用熵描述流量的分布信息 |
| 3.2.1 熵的概念 |
| 3.2.2 利用熵描述流量分布信息的作用 |
| 3.2.3 流量特征參數(shù)熵的具體應(yīng)用 |
| 3.3 基于流量特征參數(shù)熵的時(shí)序分析 |
| 3.3.1 數(shù)據(jù)源說明 |
| 3.3.2 閾值的選取 |
| 3.3.3 實(shí)驗(yàn)及結(jié)果分析 |
| 3.4 本章小結(jié) |
| 第四章 基于改進(jìn)聚類算法的流量分布特征分析 |
| 4.1 概述 |
| 4.2 經(jīng)典聚類算法 |
| 4.2.1 劃分的方法 |
| 4.2.2 層次的方法 |
| 4.2.3 基于密度的方法 |
| 4.2.4 基于網(wǎng)格的方法 |
| 4.2.5 基于模型的方法 |
| 4.3 聚類算法的近鄰測(cè)度 |
| 4.3.1 兩點(diǎn)之間的距離函數(shù) |
| 4.3.2 兩個(gè)集合之間的距離函數(shù) |
| 4.4 基于K-means與分層聚合算法改進(jìn)的聚類算法 |
| 4.4.1 K-means與分層聚合算法及不足 |
| 4.4.2 改進(jìn)算法的核心設(shè)計(jì)思想 |
| 4.4.3 最佳聚類數(shù)的確定 |
| 4.4.4 改進(jìn)算法的描述 |
| 4.4.5 改進(jìn)算法的具體應(yīng)用 |
| 4.5 實(shí)驗(yàn)及結(jié)果分析 |
| 4.5.1 數(shù)據(jù)的標(biāo)準(zhǔn)化 |
| 4.5.2 實(shí)驗(yàn)結(jié)果及分析 |
| 4.6 本章小結(jié) |
| 第五章 網(wǎng)絡(luò)流量分析原型系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) |
| 5.1 概述 |
| 5.2 網(wǎng)絡(luò)流量分析原型系統(tǒng)的框架設(shè)計(jì) |
| 5.3 流量采集引擎的設(shè)計(jì)實(shí)現(xiàn) |
| 5.3.1 SNMP的體系架構(gòu) |
| 5.3.2 基于SNMP++的采集引擎的實(shí)現(xiàn) |
| 5.4 網(wǎng)絡(luò)流量監(jiān)測(cè)與分析系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn) |
| 5.4.1 數(shù)據(jù)的預(yù)處理與計(jì)算模塊 |
| 5.4.2 數(shù)據(jù)分析模塊 |
| 5.4.3 可視化輸出模塊 |
| 5.5 本章小結(jié) |
| 第六章 總結(jié)與展望 |
| 6.1 主要工作總結(jié) |
| 6.2 進(jìn)一步工作展望 |
| 參考文獻(xiàn) |
| 附錄 |
| 作者簡介 攻讀碩士學(xué)位期間完成的主要工作 |
| 致謝 |
（10）無線蜂窩通信系統(tǒng)呼叫接納控制相關(guān)模型及其QoS研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 1 緒論 |
| 1.1 研究背景和意義 |
| 1.2 QoS 的相關(guān)概念以及研究現(xiàn)狀 |
| 1.2.1 服務(wù)質(zhì)量、網(wǎng)絡(luò)性能、服務(wù)類型和服務(wù)等級(jí) |
| 1.2.2 IP 網(wǎng)絡(luò)的QoS 模型及其特點(diǎn) |
| 1.2.3 IP QoS 的研究現(xiàn)狀和發(fā)展趨勢(shì) |
| 1.3 呼叫接納控制相關(guān)概述 |
| 1.3.1 呼叫接納控制研究涵蓋內(nèi)容 |
| 1.3.2 呼叫接納控制的分類 |
| 1.3.3 無線蜂窩環(huán)境下的呼叫接納控制研究現(xiàn)狀 |
| 1.4 基于流量模型的呼叫接納控制研究 |
| 1.4.1 CAC 流量模型研究現(xiàn)狀 |
| 1.4.2 不同流量模型下的 CAC 接納準(zhǔn)則 |
| 1.5 無線蜂窩通信系統(tǒng)下的用戶移動(dòng)模型 |
| 1.5.1 移動(dòng)模型在無線蜂窩通信系統(tǒng)中的重要作用 |
| 1.5.2 移動(dòng)模型的類型 |
| 1.5.3 蜂窩系統(tǒng)的移動(dòng)模型的研究現(xiàn)狀 |
| 1.6 論文的體系結(jié)構(gòu)和技術(shù)路線 |
| 1.6.1 研究內(nèi)容和技術(shù)路線 |
| 1.6.2 論文內(nèi)容安排 |
| 2 隨到接入式流量模型在時(shí)分接入系統(tǒng)的誤差分析 |
| 2.1 引言 |
| 2.2 隨到接入模型在時(shí)分接入系統(tǒng)的誤差根源 |
| 2.3 IPP 模型的時(shí)隙化誤差分析 |
| 2.4 仿真結(jié)果與分析 |
| 2.5 本章小結(jié) |
| 3 增強(qiáng)的ON/OFF 流量模型 |
| 3.1 引言 |
| 3.2 增強(qiáng)的ON/OFF 復(fù)合流瞬時(shí)流量模型描述 |
| 3.3 增強(qiáng)ON/OFF 模型的瞬時(shí)流量分布與均值 |
| 3.4 突發(fā)泊松到達(dá)以及持續(xù)時(shí)間指數(shù)分布時(shí)iP, q i1 , q i2 的簡化計(jì)算公式 |
| 3.5 仿真結(jié)果與分析 |
| 3.6 本章小結(jié) |
| 4 蜂窩系統(tǒng)的一般移動(dòng)模型及其基于概率的CAC 策略 |
| 4.1 引言 |
| 4.2 GMM 模型提出的緣由 |
| 4.3 GMM 模型的定義和假設(shè) |
| 4.4 GMM 模型下小區(qū)的動(dòng)態(tài)均值帶寬 |
| 4.5 GMM 模型下基于均值帶寬的CAC 機(jī)制 |
| 4.6 仿真結(jié)果與分析 |
| 4.7 本章小結(jié) |
| 5 基于大偏差有效帶寬的多業(yè)務(wù)帶寬動(dòng)態(tài)分割策略 |
| 5.1 引言 |
| 5.2 帶寬配額與CAC 的關(guān)系 |
| 5.3 大偏差近似定理 |
| 5.4 基于有效帶寬的動(dòng)態(tài)分割策略 |
| 5.5 仿真與分析 |
| 5.6 本章小結(jié) |
| 6 基于排隊(duì)模型的帶寬使用預(yù)測(cè) |
| 6.1 引言 |
| 6.2 排隊(duì)模型與帶寬耗盡時(shí)間的常規(guī)解法 |
| 6.3 帶寬使用與耗盡時(shí)間的另一種解法 |
| 6.4 模型仿真與結(jié)果分析 |
| 6.5 業(yè)務(wù)帶寬使用預(yù)測(cè)算法 |
| 6.6 本章小結(jié) |
| 7 總結(jié)與展望 |
| 7.1 全文總結(jié) |
| 7.2 未來展望 |
| 致謝 |
| 參考文獻(xiàn) |
| 附錄1 攻讀博士學(xué)位期間發(fā)表學(xué)術(shù)論文目錄 |
| 附錄2 英文縮寫對(duì)照表 |
| 附錄3 攻讀博士學(xué)位期間參加的科研工作 |
四、用馬爾可夫調(diào)制的泊松過程近似多分形突發(fā)流量研究(英文)（論文參考文獻(xiàn)）
- [1]異質(zhì)業(yè)務(wù)背景下網(wǎng)絡(luò)QoS分析與保障研究[D]. 孫洪亮. 吉林大學(xué), 2019(11)
- [2]虛擬化環(huán)境下軟件老化系統(tǒng)的性能仿真分析[D]. 杜頤臣. 哈爾濱工程大學(xué), 2015(06)
- [3]自相似網(wǎng)絡(luò)流量流體流模型及主動(dòng)隊(duì)列管理算法研究[D]. 王暉. 哈爾濱工業(yè)大學(xué), 2013(01)
- [4]高速復(fù)雜網(wǎng)絡(luò)環(huán)境下異常流量檢測(cè)技術(shù)研究[D]. 王蘇南. 解放軍信息工程大學(xué), 2012(06)
- [5]混合無源光網(wǎng)絡(luò)關(guān)鍵技術(shù)研究[D]. 鄭冠男. 北京郵電大學(xué), 2011(01)
- [6]城域網(wǎng)應(yīng)用層P2P流量預(yù)測(cè)模型的研究[D]. 董智超. 湖南大學(xué), 2010(04)
- [7]基于網(wǎng)絡(luò)流量分形特性的DDoS攻擊檢測(cè)[D]. 蒲儒峰. 西南交通大學(xué), 2009(02)
- [8]網(wǎng)格環(huán)境下的作業(yè)流量分析與建模[J]. 王學(xué)超,朱怡安,鐘冬. 計(jì)算機(jī)測(cè)量與控制, 2009(04)
- [9]基于分布特征的網(wǎng)絡(luò)流量分析技術(shù)研究[D]. 杜鑫. 解放軍信息工程大學(xué), 2009(07)
- [10]無線蜂窩通信系統(tǒng)呼叫接納控制相關(guān)模型及其QoS研究[D]. 史海濱. 華中科技大學(xué), 2008(12)
標(biāo)簽：網(wǎng)絡(luò)流量論文; 模型預(yù)測(cè)控制論文; 業(yè)務(wù)建模論文; 馬爾可夫模型論文; 近似算法論文;