互联网流测量PDF|Epub|txt|kindle电子书版本网盘下载

互联网流测量PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

1 互联网流测量概述1

1.1 流量测量的必要性1

1.2 网络测量技术2

1.2.1 主动测量技术2

1.2.2 被动测量技术3

1.2.3 测量体系结构4

1.2.4 抽样测量技术4

1.3 互联网流测量技术6

1.3.1 互联网流的定义6

1.3.2 IP流特性描述6

1.3.3 IP流测量研究7

1.3.4 IP流特性研究9

1.4 流量统计行为的研究13

1.4.1 统计行为研究状况13

1.4.2 流量自相似模型13

1.4.3 网络流量预测模型14

参考文献15

2 测量统计数学基础20

2.1 抽样理论20

2.1.1 简单随机抽样20

2.1.2 样本容量确定21

2.1.3 分层抽样21

2.1.4 整群抽样22

2.2 概率论22

2.2.1 概率空间22

2.2.2 条件概率23

2.2.3 大数定理和中心极限定理23

2.3 估计理论25

2.3.1 回归系统的最小二乘估计25

2.3.2 极大似然估计26

2.3.3 EM算法27

2.4 研究结论与展望27

参考文献27

3 基于分组标识的抽样测量模型28

3.1 引言28

3.1.1 问题提出28

3.1.2 相关研究28

3.1.3 研究难点29

3.2 抽样模型概念29

3.2.1 概念定义29

3.2.2 抽样测量模型30

3.3 流量比特随机性分析31

3.3.1 IP报头位熵分析31

3.3.2 位流熵分析33

3.4 测量样本随机性分析35

3.4.1 抽样模型随机性分析36

3.4.2 抽样样本统计属性分析36

3.4.3 不同测量点的标识字段随机性比较37

3.5 基于标识字段的多掩码抽样算法39

3.5.1 标识字段属性分析39

3.5.2 模型描述40

3.5.3 抽样算法41

3.5.4 改进算法43

3.6 基于标识字段的抽样算法性能比较46

3.6.1 基于标识字段的其他算法46

3.6.2 性能比较46

3.6.3 改进抽样算法和随机算法的比较47

3.7 误差修正48

3.7.1 标识0的误差修正算法48

3.7.2 标识0抽样比率预测模型49

3.8 研究结论和展望51

参考文献52

4 基于互联网流的哈希算法53

4.1 引言53

4.2 测度定义53

4.2.1 随机性53

4.2.2 均匀性54

4.2.3 冲突性55

4.2.4 活跃流评估55

4.2.5 计算速度56

4.3 比特随机运算的分析56

4.3.1 二元比特运算分析56

4.3.2 异或运算分析57

4.3.3 位移运算分析59

4.4 哈希算法59

4.4.1 异或位移哈希算法60

4.4.2 IPSX哈希算法60

4.4.3 CRC32哈希算法60

4.4.4 Bob哈希算法60

4.4.5 MD5哈希算法61

4.5 哈希算法比较分析61

4.5.1 随机性比较61

4.5.2 卡方检验62

4.5.3 冲突率的比较62

4.5.4 活跃流评估63

4.5.5 速度比较64

4.6 研究结论与展望64

参考文献65

5 互联网流长度估计方法66

5.1 引言66

5.1.1 问题提出66

5.1.2 相关研究67

5.1.3 研究难点67

5.2 基于概率模型的流长度估计68

5.2.1 原始流长度分布概率模型68

5.2.2 最大概率法估计模型70

5.2.3 不同分布估计的比较72

5.3 流长度分布估计73

5.3.1 流分类73

5.3.2 长流估计74

5.3.3 短流估计75

5.4 实验分析77

5.5 研究结论和展望79

参考文献80

6 自适应超点检测方法82

6.1 引言82

6.2 相关研究82

6.3 自适应超点检测算法84

6.3.1 算法概述84

6.3.2 更新过程85

6.3.3 自适应过程88

6.4 算法空间分析91

6.4.1 Bitmap内存空间91

6.4.2 IP哈希链表内存空间92

6.5 SDAS算法实验分析93

6.5.1 实验说明93

6.5.2 算法性能比较94

6.5.3 自适应超点检测算法性能分析97

6.6 研究结论与展望100

参考文献100

7 流量行为测度研究102

7.1 引言102

7.2 流量行为属性103

7.2.1 流量统计属性103

7.2.2 端至端性能属性104

7.3 总体目标量函数104

7.4 统计分布函数105

7.4.1 流量总体和样本105

7.4.2 流量数据分组106

7.4.3 统计测度函数107

7.5 网络行为测度形式化定义109

7.6 研究结论与展望112

8 高速网络流量统计行为研究113

8.1 引言113

8.2 基于抽样流量的流统计估计114

8.2.1 抽样流定义114

8.2.2 抽样流超时分析114

8.2.3 报文抽样与流的关系116

8.3 流统计行为分析研究118

8.3.1 流定义118

8.3.2 流的时间序列行为119

8.3.3 流的总体特性121

8.3.4 单向流的安全测度122

8.3.5 双向流的性能特性123

8.4 流数据的摘要存储124

8.4.1 等概率流抽样方案124

8.4.2 放回不等概率流抽样方案125

8.4.3 不放回不等概率流抽样方案127

8.4.4 实例分析128

8.5 流量统计特性分析129

8.5.1 流量统计研究概述129

8.5.2 流量总体特性描述130

8.5.3 IP报文统计特性131

8.5.4 TCP协议统计分析132

8.5.5 UDP流量统计规律134

8.5.6 ICMp流量统计135

8.6 研究结论与展望135

参考文献136

9 互联网流长度分布分析137

9.1 引言137

9.2 不同Trace流长分布138

9.2.1 不同协议类型的流量分布分析138

9.2.2 不同Trace的流长实际分布140

9.3 流长分布的影响因素141

9.3.1 IP流应答率分析142

9.3.2 短IP流的成分分析144

9.3.3 路由循环对IP流流长分布的影响146

9.3.4 高层应用对IP流流长分布的影响147

9.4 IP流分布的统计模型148

9.4.1 重尾分布模型描述148

9.4.2 IP流流长分布模型150

9.4.3 Kolmogorov-Smirnov拟合优度检验151

9.5 基于MGCBF算法的长流统计152

9.5.1 MGGBF算法原型152

9.5.2 长流统计系统结构设计155

9.5.3 系统性能分析与误差估计157

9.5.4 测量实验结果158

9.6 研究结论与展望159

参考文献160

10 IP流流速特征分析162

10.1 引言162

10.2 基于协议分析的IP流流速模型163

10.2.1 TCP流传输平均速率模型163

10.2.2 UDP流和ICMP流的传输速率模型166

10.3 基于测量的IP流持续时间分析168

10.3.1 IP流的持续时间总体分布168

10.3.2 TCP流的持续时间分布170

10.3.3 非TCP流的持续时间分布172

10.3.4 IP流持续时间分布特征和影响因素173

10.4 IP流平均流速分析173

10.4.1 IP流平均流速总体分布173

10.4.2 TCP流平均流速分布175

10.4.3 非TCP流平均流速分布176

10.4.4 IP流平均流速的影响因素分析178

10.4.5 流速平稳性分析179

10.5 IP流流速和流长相关性分析180

10.5.1 流长和流持续时间相关性分析180

10.5.2 流长和平均流速相关性分析182

10.5.3 TCP流的流长与流速平稳性相关性分析187

10.6 研究结论与展望189

参考文献190

11 IP流到达相关特征及模型192

11.1 引言192

11.2 IP流到达总体分布特征分析192

11.2.1 长时间粒度下IP流到达分布分析193

11.2.2 IP流到达时间间隔分布及其相关性分析195

11.3 IP流到达分布模型199

11.3.1 Poisson丛集过程(Poisson Cluster Process)199

11.3.2 IP流到达分布成因分析200

11.4 多分辨率的IP流到达特征及其相关性分析201

11.4.1 基于小波的多分辨率分析201

11.4.2 基于多分辨率的IP流到达总体状况分析204

11.4.3 不同应答情况和协议类型的IP流到达分析205

11.4.4 IP流到达与流长关系分析207

11.4.5 IP流到达和流速关系分析208

11.5 研究结论与展望211

参考文献212

12 网络流量行为分析模型214

12.1 引言214

12.2 网络流量分解模型215

12.2.1 流量突变成分分解216

12.2.2 流量趋势成分分解216

12.2.3 流量周期成分分解217

12.2.4 流量随机成分分解218

12.3 分解模型网络流量分析218

12.3.1 各流量的分解模型参数219

12.3.2 建模分析219

12.3.3 与ARIMA季节模型比较220

12.4 季节型神经网络模型221

12.4.1 常规的时间序列神经网络模型221

12.4.2 季节型神经网络模型222

12.5 神经网络季节模型数据分析225

12.5.1 数据采集225

12.5.2 模型学习226

12.5.3 预测结果227

12.6 实时异常行为检测模型229

12.6.1 异常检测测度的选择229

12.6.2 流量行为实时检测处理230

12.6.3 流量实例分析232

12.7 研究结论与展望232

参考文献234

13 TCP宏观平衡性分析235

13.1 引言235

13.2 TCP完整性相关研究236

13.3 TCP宏观平衡性指标体系237

13.3.1 TCP连接数量约束237

13.3.2 TCP流宏观平衡性测度定义237

13.3.3 异常TCP宏观平衡性补充测度239

13.3.4 常见TCP异常对测度的影响241

13.4 TCP流聚类的宏观平衡性246

13.4.1 聚类后的TCP宏观平衡性246

13.4.2 源串的还原和着色过程246

13.4.3 基于Bloom Filter的自然着色聚类过程250

13.5 TCP宏观异常检测和阻止254

13.5.1 基于TCP的DoS/DDoS255

13.5.2 扫描255

13.5.3 路由循环检测和消除256

13.6 TCP宏观异常实例分析257

13.6.1 实例1:Bell Labs扫描和DoS攻击257

13.6.2 实例2:IPLS_CLEV、DDoS攻击和扫描259

13.6.3 实例3:WIDE,蠕虫扩散260

13.7 研究结论和展望262

参考文献262

14 高速网络报文测量器264

14.1 引言264

14.2 Linux内核的网络体系264

14.2.1 Linux操作系统264

14.2.2 总体结构框架265

14.2.3 协议栈的数据结构266

14.2.4 协议栈的套接字268

14.2.5 底层网络接收机制269

14.2.6 Linux内核的修改分析270

14.3 报文测量器的匹配分析271

14.3.1 基于哈希散列的匹配272

14.3.2 基于稠密二叉树的匹配272

14.3.3 基于哈希表和稠密二叉树混合结构的匹配273

14.4 高速网络测量器总体设计274

14.4.1 总体任务需求概要274

14.4.2 系统总体结构274

14.4.3 CE测量器工作流程276

14.5 高速网络测量器的实现278

14.5.1 核心技术278

14.5.2 核心模块的实现282

14.6 研究结论和展望289

参考文献290

15 高速网络流量测量平台291

15.1 引言291

15.2 时钟同步问题研究291

15.2.1 时钟同步研究现状291

15.2.2 基准实验292

15.2.3 实验分析与讨论296

15.3 数据归并299

15.3.1 归并问题299

15.3.2 数据特征说明300

15.3.3 数据整理过程301

15.4 测量平台体系结构302

15.4.1 测量系统的目的302

15.4.2 系统总体设计303

15.4.3 系统同步与控制305

15.4.4 接口数据305

15.5 系统测试306

15.5.1 测试环境和方案306

15.5.2 测试结果分析308

15.6 研究结论和展望308

参考文献309