網(wǎng)絡流量測度相關性分析及自適應預測研究.pdf

1、隨著計算機網(wǎng)絡技術的發(fā)展,網(wǎng)絡用戶數(shù)飛速增長,網(wǎng)絡的規(guī)模及網(wǎng)絡的性能得到了較大程度的提升,網(wǎng)絡復雜性不斷的提高,這些對網(wǎng)絡行為的研究提出了新的挑戰(zhàn)。在錯綜復雜的高速網(wǎng)絡環(huán)境下了解不同層次用戶的網(wǎng)絡行為特征對于網(wǎng)絡規(guī)劃、網(wǎng)絡安全等領域具有重要意義。網(wǎng)絡流量測度,作為刻畫網(wǎng)絡用戶行為的基礎,重要性日益顯現(xiàn)。當前提出的網(wǎng)絡流量流量測度種類繁多,各自有針對性的從不同的側面反映了網(wǎng)絡用戶的行為特征。如何理順眾多測度之間的關系,進而為測度的進一步應

2、用提供支持,逐漸成為網(wǎng)絡行為學研究的一個重要研究領域。 論文以網(wǎng)絡流量測度的應用為研究背景,結合CERNET華東北地區(qū)網(wǎng)絡中心“網(wǎng)絡行為觀測系統(tǒng)”的現(xiàn)實需求,對網(wǎng)絡流量測度的相關性展開了研究。運用多元統(tǒng)計分析中的因子分析方法,除去網(wǎng)絡流量測度之間的相關信息,從多個流量測度中提取出最能反映流量行為特征的少數(shù)互不相關的“關鍵因子”,達到了理清測度間關系的目的。論文在相關性分析的基礎上,針對流量測度應用中的兩類重要問題--分類及近實時

3、預測--展開了進一步的研究,提出了網(wǎng)絡流量行為特征的分類方法以及用于近實時網(wǎng)絡流量測度預測的自適應預測算法。 論文首先介紹了網(wǎng)絡流量測度研究的相關背景。提出了以理順網(wǎng)絡流量測度的相互關系,為流量測度的進一步應用提供支持的研究目標。確立了以因子分析、聚類分析的方法進行測度的相關性研究；以ARIMA模型為基礎,通過添加自適應調節(jié)功能完成近實時預測算法的技術路線。 然后,對論文研究的對象進行了定義,并基于現(xiàn)實環(huán)境完成了流量測度

4、的獲取過程。本部分從集合論及原子測度的角度,借鑒現(xiàn)有測度的定義原則,對網(wǎng)絡流量測度進行了嚴格定義；針對現(xiàn)有的網(wǎng)絡環(huán)境,設計實現(xiàn)了基于NetFlow的網(wǎng)絡流量測度采集計算模塊,為后續(xù)的測度研究奠定了基礎。 接著,論文運用因子分析的方法對網(wǎng)絡流量測度進行相關性分析,經過對15個流量測度的因子分析,提取出“活躍因子”,“流量因子”、“負載因子”,“角色因子”等相互不相關的“關鍵因子”,這些少數(shù)的因子能夠比較全面的反映出網(wǎng)絡流量行為狀況

5、。通過因子分析達到了理順測度間關系,精簡測度的目的。 隨后,在相關性分析的基礎上,進一步針對流量測度應用中的測度分類及測度近實時預測問題進行了研究。通過聚類分析的方法完成了對特定時間段用戶流量特征的分類以及特定用戶不同時間段流量特征的分類,通過總結類的特征,增強了網(wǎng)絡流量行為的區(qū)分能力；近實時預測部分在ARIMA模型的基礎上,分析近實時預測的特點,設計了網(wǎng)絡流量測度自適應預測算法,并對算法中涉及的預測數(shù)據(jù)集尺寸、預測更新策略等關