融合幀差循環(huán)控制的網(wǎng)絡(luò)流量監(jiān)測(cè)模型仿真

劉遠(yuǎn)超 彭兆軍

摘要：提出一種融合幀差循環(huán)控制的網(wǎng)絡(luò)流量監(jiān)測(cè)模型，分析了網(wǎng)絡(luò)流量在網(wǎng)絡(luò)空間中的數(shù)據(jù)分布結(jié)構(gòu)，進(jìn)行網(wǎng)絡(luò)流量的信號(hào)模型時(shí)間序列分析，采用融合幀差循環(huán)控制方法進(jìn)行流量信息調(diào)度，實(shí)現(xiàn)流量的準(zhǔn)確預(yù)測(cè)。仿真結(jié)果表明，利用該模型進(jìn)行網(wǎng)絡(luò)流量預(yù)測(cè)精度較高，對(duì)異常流量的挖掘準(zhǔn)確性較好，可提高網(wǎng)絡(luò)流量的檢測(cè)能力。

關(guān)鍵詞：網(wǎng)絡(luò)流量；流量監(jiān)測(cè)；時(shí)間序列分析

DOIDOI：10.11907/rjdk.161044

中圖分類(lèi)號(hào)：TP393

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2016）005-0179-03

0 引言

隨著網(wǎng)絡(luò)信息技術(shù)的不斷發(fā)展，大量媒體信息以網(wǎng)絡(luò)流量的形式在網(wǎng)絡(luò)空間中傳輸。網(wǎng)絡(luò)流量涵蓋了不同的信息特征，包括有用信息和無(wú)用信息，需要對(duì)網(wǎng)絡(luò)流量進(jìn)行準(zhǔn)確的監(jiān)測(cè)和數(shù)據(jù)挖掘，以發(fā)現(xiàn)異常信息特征，并通過(guò)網(wǎng)絡(luò)流量的預(yù)測(cè)，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)空間流量信息的控制和監(jiān)管，避免信息冗余和網(wǎng)絡(luò)擁堵。相關(guān)的算法研究在網(wǎng)絡(luò)安全和網(wǎng)絡(luò)控制等領(lǐng)域具有較高的應(yīng)用價(jià)值。

由于復(fù)雜網(wǎng)絡(luò)環(huán)境流量監(jiān)測(cè)平臺(tái)的開(kāi)源性和無(wú)限擴(kuò)展性，對(duì)復(fù)雜網(wǎng)絡(luò)環(huán)境流量的監(jiān)測(cè)需要采用信息傳感和數(shù)據(jù)傳感技術(shù)，通過(guò)對(duì)網(wǎng)絡(luò)流量的特征信息提取，分析網(wǎng)絡(luò)流量的狀態(tài)信息特征，并采用信息和信號(hào)處理方法，進(jìn)行網(wǎng)絡(luò)流量的預(yù)測(cè)。傳統(tǒng)方法中，對(duì)網(wǎng)絡(luò)流量的監(jiān)測(cè)主要有優(yōu)先級(jí)列表的網(wǎng)絡(luò)流量預(yù)測(cè)和監(jiān)測(cè)算法、循環(huán)堆棧控制算法、基于混合粒子群的網(wǎng)絡(luò)流量預(yù)測(cè)和監(jiān)測(cè)算法、基于神經(jīng)網(wǎng)絡(luò)控制的復(fù)雜網(wǎng)絡(luò)環(huán)境流量監(jiān)測(cè)平臺(tái)環(huán)境下的網(wǎng)絡(luò)流量預(yù)測(cè)和監(jiān)測(cè)算法等[1-3]。其中，采用小波變換的流量序列尺度耦合分析方法，在多路由網(wǎng)絡(luò)總線中，設(shè)置路由分布規(guī)則，實(shí)現(xiàn)網(wǎng)絡(luò)流量的監(jiān)測(cè)。網(wǎng)絡(luò)流量的監(jiān)測(cè)任務(wù)指令是通過(guò)路由分發(fā)協(xié)議同時(shí)對(duì)多個(gè)路由進(jìn)行分配，通過(guò)小波尺度耦合分析，實(shí)現(xiàn)復(fù)雜網(wǎng)絡(luò)環(huán)境流量監(jiān)測(cè)平臺(tái)多分簇網(wǎng)絡(luò)流量預(yù)測(cè)，取得了一定效果。但傳統(tǒng)方法在網(wǎng)絡(luò)流量預(yù)測(cè)中存在非線性失真和監(jiān)測(cè)誤差較大等問(wèn)題，需要進(jìn)行算法改進(jìn)設(shè)計(jì)。對(duì)此，文獻(xiàn)[4]提出一種基于模擬淬火算法的網(wǎng)絡(luò)流量監(jiān)測(cè)算法，對(duì)路由接收的調(diào)度任務(wù)指令數(shù)量作出有效預(yù)測(cè)，從而實(shí)現(xiàn)流量預(yù)測(cè)，但是該算法計(jì)算開(kāi)銷(xiāo)較大，實(shí)時(shí)性不好；文獻(xiàn)[5]提出一種基于K-means聚類(lèi)算法的復(fù)雜網(wǎng)絡(luò)環(huán)境流量監(jiān)測(cè)平臺(tái)下的流量預(yù)測(cè)算法，可提高網(wǎng)絡(luò)監(jiān)測(cè)的性能和控制能力，但該算法在進(jìn)行網(wǎng)絡(luò)流量監(jiān)測(cè)過(guò)程中，隨著信息量的增大，對(duì)網(wǎng)絡(luò)流量監(jiān)測(cè)的收斂性不好，任務(wù)信息的融合性能不高；文獻(xiàn)[6]提出采用統(tǒng)計(jì)模型分析方法進(jìn)行網(wǎng)絡(luò)流量監(jiān)測(cè)，在干擾較小的情況下，網(wǎng)絡(luò)流量的監(jiān)測(cè)性能較好，但是在強(qiáng)網(wǎng)絡(luò)環(huán)境干擾下，統(tǒng)計(jì)性能較差。針對(duì)上述問(wèn)題，本文提出一種融合幀差循環(huán)控制的網(wǎng)絡(luò)流量監(jiān)測(cè)模型。首先分析了網(wǎng)絡(luò)流量在網(wǎng)絡(luò)空間中的數(shù)據(jù)分布結(jié)構(gòu)，然后進(jìn)行網(wǎng)絡(luò)流量的信號(hào)模型構(gòu)建，以此為基礎(chǔ)采用融合幀差循環(huán)控制方法進(jìn)行流量信息調(diào)度，以實(shí)現(xiàn)流量的準(zhǔn)確預(yù)測(cè)。通過(guò)仿真實(shí)驗(yàn)進(jìn)行了性能測(cè)試，得出有效性結(jié)論。

1 網(wǎng)絡(luò)流量分布數(shù)據(jù)結(jié)構(gòu)和信號(hào)模型構(gòu)建

1.1 網(wǎng)絡(luò)流量分布數(shù)據(jù)結(jié)構(gòu)

為了提高復(fù)雜網(wǎng)絡(luò)環(huán)境流量監(jiān)測(cè)平臺(tái)下的實(shí)時(shí)流量監(jiān)測(cè)和預(yù)測(cè)性能，研究網(wǎng)絡(luò)流量預(yù)測(cè)和監(jiān)測(cè)優(yōu)化算法，首先分析混合服務(wù)器下的復(fù)雜網(wǎng)絡(luò)環(huán)境流量監(jiān)測(cè)平臺(tái)體系結(jié)構(gòu)模型。網(wǎng)絡(luò)流量分布都是無(wú)規(guī)則分布的，構(gòu)建一個(gè)多元整合的樹(shù)形網(wǎng)絡(luò)流量分布結(jié)構(gòu)模型，如圖1所示。

在復(fù)雜網(wǎng)絡(luò)環(huán)境流量監(jiān)測(cè)平臺(tái)下，網(wǎng)絡(luò)流量通過(guò)GPRS或3G、WiFi等網(wǎng)絡(luò)傳輸協(xié)議進(jìn)行流量信息的傳輸和通信。采用功率自激網(wǎng)絡(luò)路由器模型進(jìn)行流量信息的存儲(chǔ)和數(shù)據(jù)傳輸，復(fù)雜網(wǎng)絡(luò)環(huán)境流量監(jiān)測(cè)平臺(tái)可以存儲(chǔ)流量信息的內(nèi)容，功率自激網(wǎng)絡(luò)路由器的CS通過(guò)緩存存儲(chǔ)頻繁訪問(wèn)的耗散內(nèi)容，產(chǎn)生緩存污染攻擊。緩存污染攻擊的命中率依賴(lài)于每個(gè)路由器需要的存儲(chǔ)空間大小，與域間傳輸閾值的設(shè)定直接相關(guān)。假設(shè)功率自激網(wǎng)絡(luò)路由的內(nèi)容流行度服從Zipf分布，每個(gè)路由器采用最理想的存儲(chǔ)替換策略，得到每個(gè)路由遭到緩存污染攻擊的命中率為：

2 流量監(jiān)測(cè)模型優(yōu)化與實(shí)現(xiàn)

在信號(hào)模型構(gòu)建的基礎(chǔ)上，進(jìn)行網(wǎng)絡(luò)流量預(yù)測(cè)算法優(yōu)化設(shè)計(jì)，通過(guò)對(duì)網(wǎng)絡(luò)流量的實(shí)時(shí)監(jiān)測(cè)和預(yù)測(cè)，在保障網(wǎng)絡(luò)暢通的同時(shí)可以有效檢測(cè)異常網(wǎng)絡(luò)信息，保障網(wǎng)絡(luò)安全。當(dāng)前的統(tǒng)計(jì)模型分析方法進(jìn)行網(wǎng)絡(luò)流量監(jiān)測(cè)時(shí)，在強(qiáng)網(wǎng)絡(luò)環(huán)境干擾下，對(duì)流量的統(tǒng)計(jì)性能不好。為了克服傳統(tǒng)方法的弊端，本文提出一種融合幀差循環(huán)控制的網(wǎng)絡(luò)流量監(jiān)測(cè)模型。幀差循環(huán)控制主控制器是整個(gè)網(wǎng)絡(luò)異常流量監(jiān)控的核心，監(jiān)控體系由多個(gè)組件（component）連接（wired）構(gòu)成。在大量流量交互中通過(guò)幀差循環(huán)控制來(lái)發(fā)現(xiàn)具有統(tǒng)計(jì)顯著性的特征或模式，一方面包含某時(shí)刻網(wǎng)絡(luò)的靜態(tài)結(jié)構(gòu)規(guī)律，另一方面包含某時(shí)期流量特征信息的動(dòng)態(tài)演化規(guī)律，記為L(zhǎng)aw=fdiscovering（Isemantic）。在幀差循環(huán)控制中心之間進(jìn)行網(wǎng)絡(luò)流量預(yù)測(cè)和監(jiān)測(cè)的最優(yōu)跳數(shù)hop_countopt為d/d0」或「d/d0，控制時(shí)序特征的歐式聚類(lèi)中心距離滿(mǎn)足：

由圖3可見(jiàn)，采用本文算法能有效挖掘流量的幅度和頻率等信息特征，實(shí)現(xiàn)流量的準(zhǔn)確預(yù)測(cè)，提高對(duì)異常流量的監(jiān)控性能。

參考文獻(xiàn)：

[1]陸興華，陳平華.基于定量遞歸聯(lián)合熵特征重構(gòu)的緩沖區(qū)流量預(yù)測(cè)算法[J].計(jì)算機(jī)科學(xué)，2015，42（4）：68-71.

[2]邸珩燁.基于多徑碼間干擾濾波的短波通信優(yōu)化[J].物聯(lián)網(wǎng)技術(shù)，2015，5（10）：47-48，52.

[3]劉昊晨，梁紅.線性調(diào)頻信號(hào)參數(shù)估計(jì)和仿真研究[J].計(jì)算機(jī)仿真，2011，10（14）：157-159.

[4]宋玉石，張?jiān)疲瑖?guó)良.Galileo在軌驗(yàn)證衛(wèi)星的性能研究[J].電子設(shè)計(jì)工程，2015（19）：1-4.

[5]劉少偉，孔令梅，任開(kāi)軍，等.云環(huán)境下優(yōu)化科學(xué)工作流執(zhí)行性能的兩階段數(shù)據(jù)放置與任務(wù)調(diào)度策略[J].計(jì)算機(jī)學(xué)報(bào)，2011，34（11）：2021-2130.

[6]孟憲福，解文利.基于免疫算法多目標(biāo)約束P2P任務(wù)調(diào)度策略研究[J].電子學(xué)報(bào)，2011，39（1）：101-107.

（責(zé)任編輯：黃 健）