2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩131頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著骨干網(wǎng)絡(luò)向高速化、多樣化、復(fù)雜化方向發(fā)展,與網(wǎng)絡(luò)流量相關(guān)的管理和安全問(wèn)題越來(lái)越復(fù)雜,網(wǎng)絡(luò)流量行為感知利用網(wǎng)絡(luò)流量特征參數(shù)感知網(wǎng)絡(luò)行為隨時(shí)間或空間發(fā)展變化的規(guī)律,成為學(xué)術(shù)界與工業(yè)界共同關(guān)注的前沿科學(xué)問(wèn)題之一。數(shù)據(jù)傳輸?shù)母咚偬卣?、傳輸信息的海量特征、?shù)據(jù)流與應(yīng)用流的多樣化特征及其相互關(guān)系的復(fù)雜性、各條鏈路間流量關(guān)系的復(fù)雜性等多種因素決定了骨干網(wǎng)絡(luò)流量行為感知的復(fù)雜性。本論文圍繞國(guó)家自然科學(xué)基金項(xiàng)目“大規(guī)模通信網(wǎng)絡(luò)異常行為特征分析與提取關(guān)

2、鍵技術(shù)研究”(項(xiàng)目編號(hào):60872033)的研究任務(wù),針對(duì)單匯接點(diǎn)和多匯接點(diǎn)兩類情形,從骨干網(wǎng)絡(luò)流量行為特征提取、骨干網(wǎng)絡(luò)流量異常行為理解及骨干網(wǎng)絡(luò)流量異常行為趨勢(shì)預(yù)測(cè)三個(gè)層次展開(kāi)對(duì)骨干網(wǎng)絡(luò)流量異常行為感知的相關(guān)理論與技術(shù)問(wèn)題的研究。論文的主要貢獻(xiàn)概括如下:
  1.骨干網(wǎng)絡(luò)流量行為特征提取問(wèn)題的研究。
  由于骨干網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)母咚偬卣骱蛡鬏斝畔⒌暮A刻卣?,精?xì)的逐包分析難以滿足在線流量行為分析的要求,必須采用盡量少且相對(duì)

3、粗粒度的流量特征參數(shù)。針對(duì)全息描述骨干網(wǎng)絡(luò)流量行為的最小特征子集問(wèn)題,本文采用了流量flow六元組(源目的地址,端口,協(xié)議類型,字節(jié)數(shù))信息作為骨干網(wǎng)絡(luò)流量行為感知的基礎(chǔ)信息來(lái)源,實(shí)現(xiàn)了部分反映整體的哲學(xué)理念,是骨干網(wǎng)絡(luò)流量行為感知的前提和基礎(chǔ)。針對(duì)特征信息的高維特點(diǎn),提出了一種基于信息熵的子空間分離流量特征分析方法,對(duì)海量高維的原始網(wǎng)絡(luò)流量數(shù)據(jù)在保持原有的幾何拓?fù)浞植嫉那疤嵯逻M(jìn)行信息壓縮和簡(jiǎn)約表示。
  2.單匯接點(diǎn)情形下骨干網(wǎng)

4、絡(luò)流量異常行為理解方法的研究。
  針對(duì)具有時(shí)頻譜范圍廣、包含多種信息的、非平穩(wěn)特性的復(fù)雜流量信號(hào),通過(guò)流量信號(hào)的時(shí)間和頻率的聯(lián)合函數(shù),從時(shí)域、頻域同時(shí)揭示網(wǎng)絡(luò)流量信號(hào)異常成分。對(duì)于一些更復(fù)雜的情況,如非線性、非平穩(wěn)的流量信號(hào),提出了一種基函數(shù)由原始信號(hào)本身自適應(yīng)得到的網(wǎng)絡(luò)流量信號(hào)分解方法。針對(duì)骨干網(wǎng)絡(luò)流量行為參數(shù)相互關(guān)系的復(fù)雜性,提出多時(shí)間序列分析方法,借助多時(shí)間序列提供的相互關(guān)系(如波形模式、結(jié)構(gòu)模式等)理解網(wǎng)絡(luò)流量行為,通過(guò)

5、多時(shí)間關(guān)聯(lián)數(shù)據(jù)挖掘算法分析波形符號(hào)之間的關(guān)聯(lián)模式來(lái)理解異常行為,提高網(wǎng)絡(luò)流量行為感知能力。針對(duì)網(wǎng)絡(luò)流量行為的挖掘算法性能問(wèn)題,提出了一種快速的關(guān)聯(lián)挖掘算法,通過(guò)減少掃描數(shù)據(jù)的次數(shù),可提高海量高維網(wǎng)絡(luò)流量數(shù)據(jù)的挖掘性能。
  3.多匯接點(diǎn)情形下骨干網(wǎng)絡(luò)流量異常行為理解方法的研究。
  針對(duì)跨越多匯接點(diǎn)的異常行為在時(shí)間空間上具有相互依賴相互影響的特點(diǎn),提出通過(guò)兩階段時(shí)空處理方法提取流量異常特征,運(yùn)用多時(shí)間序列關(guān)聯(lián)挖掘算法提取跨越

6、多匯接點(diǎn)的協(xié)同異常在時(shí)間空間上的關(guān)聯(lián)模式,提高骨干網(wǎng)絡(luò)流量行為感知能力。
  4.骨干網(wǎng)絡(luò)流量異常行為趨勢(shì)預(yù)測(cè)問(wèn)題的研究。
  針對(duì)短期流量行為趨勢(shì)的非線性特性,運(yùn)用基于粒子群優(yōu)化后向傳播神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法,通過(guò)粒子群進(jìn)化獲取神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)權(quán)值,利用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。針對(duì)采樣后包含缺失值和干擾信息的網(wǎng)絡(luò)流量數(shù)據(jù),提出了一種組合灰預(yù)測(cè)模型,通過(guò)子空間分離將原始數(shù)據(jù)分離到不同的子空間,不同的子空間采取相應(yīng)的數(shù)據(jù)處理手段,在此基礎(chǔ)上

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論