提高，這使得網(wǎng)絡(luò)流量數(shù)據(jù)急劇增加，同時(shí)對(duì)網(wǎng)絡(luò)的有效管理、負(fù)荷評(píng)估和安全預(yù)警帶來了新的挑戰(zhàn)［1］。在傳統(tǒng)方法下網(wǎng)絡(luò)流量特征被描述為線性相關(guān)的，然而，在現(xiàn)代網(wǎng)絡(luò)環(huán)境下的網(wǎng)絡(luò)流量呈現(xiàn)出多種復(fù)雜的非線性特征，如具有長(zhǎng)相關(guān)性、自相似性、時(shí)變性、突發(fā)性、混沌性等特點(diǎn)［2］。面對(duì)如此復(fù)雜的網(wǎng)絡(luò)環(huán)境，開展網(wǎng)絡(luò)流量分析研究具有重要意義。網(wǎng)絡(luò)流量特性分析是進(jìn)行網(wǎng)絡(luò)流量分類及預(yù)測(cè)研究的前提與關(guān)鍵，分析出網(wǎng)絡(luò)流量所具備的特性，根據(jù)其特性的變化規(guī)律，選擇出一種計(jì)算量相對(duì)較小、結(jié)構(gòu)簡(jiǎn)

：時(shí)間序列；網(wǎng)絡(luò)流量；異常檢測(cè)；前后端分離0 引言當(dāng)前正處于網(wǎng)絡(luò)技術(shù)高速發(fā)展的時(shí)代，《“十四五”國家信息化規(guī)劃》的發(fā)布進(jìn)一步推動(dòng)“互聯(lián)網(wǎng)+”、大數(shù)據(jù)、云技術(shù)等前沿技術(shù)深度融合到生產(chǎn)、教育、科研等各個(gè)領(lǐng)域。以高校信息化建設(shè)為例，隨著接入校園網(wǎng)絡(luò)環(huán)境的設(shè)備、服務(wù)、信息系統(tǒng)等不斷增多，針對(duì)網(wǎng)絡(luò)的攻擊愈發(fā)頻繁，網(wǎng)絡(luò)安全問題日益嚴(yán)峻。網(wǎng)絡(luò)安全和信息化是事關(guān)國家安全、國家發(fā)展、事關(guān)全國人民學(xué)習(xí)、工作、生活的重大戰(zhàn)略問題，沒有網(wǎng)絡(luò)安全就沒有國家安全，沒有信息化就沒有現(xiàn)代

要求[1]．網(wǎng)絡(luò)流量異常識(shí)別是發(fā)現(xiàn)網(wǎng)絡(luò)攻擊,保證網(wǎng)絡(luò)安全運(yùn)行的有效措施．網(wǎng)絡(luò)流量的異常常常反映當(dāng)下網(wǎng)絡(luò)環(huán)境中存在一定威脅,若不及時(shí)處理,易影響網(wǎng)絡(luò)環(huán)境的安全[2]．因此,關(guān)于網(wǎng)絡(luò)流量異常的檢測(cè)方法受到了相關(guān)研究者們的關(guān)注[3]．董書琴等人[4]針對(duì)傳統(tǒng)網(wǎng)絡(luò)流量異常識(shí)別方法識(shí)別準(zhǔn)確度低的問題,提出了一種基于機(jī)器學(xué)習(xí)特征的網(wǎng)絡(luò)異常識(shí)別檢測(cè)方法．通過機(jī)器學(xué)習(xí)特征采集網(wǎng)絡(luò)流量信號(hào),利用最優(yōu)降噪編碼器識(shí)別異常流量信息,根據(jù)流量檢測(cè)的準(zhǔn)確率確定每個(gè)節(jié)點(diǎn)的異常流量信息,

以分析和預(yù)測(cè)網(wǎng)絡(luò)流量的特性為前提的。網(wǎng)絡(luò)流量預(yù)測(cè)對(duì)增強(qiáng)網(wǎng)絡(luò)性能、解決網(wǎng)絡(luò)擁堵、防止網(wǎng)絡(luò)入侵有著重要的作用。經(jīng)過大量的研究發(fā)現(xiàn)：網(wǎng)絡(luò)流量表現(xiàn)出自相似特征、非平穩(wěn)特征、長(zhǎng)時(shí)間相關(guān)特征和突發(fā)性特征等[1-2]。網(wǎng)絡(luò)流量預(yù)測(cè)方法主要有兩類：平穩(wěn)預(yù)測(cè)方法和非平穩(wěn)預(yù)測(cè)方法。平穩(wěn)預(yù)測(cè)方法中馬爾可夫(Markov)模型[3]很容易構(gòu)建，可以清晰地描述出整個(gè)過程，但增加模型的參數(shù)時(shí)將會(huì)存在很大的計(jì)算量。自回歸(Auto Regressive,AR)模型和自回歸滑動(dòng)平均(Au

通過對(duì)計(jì)算機(jī)網(wǎng)絡(luò)流量檢測(cè)進(jìn)行分析，對(duì)計(jì)算機(jī)網(wǎng)絡(luò)異常檢測(cè)技術(shù)進(jìn)行探討，對(duì)其價(jià)值以及意義，進(jìn)行研究?！娟P(guān)鍵詞】網(wǎng)絡(luò)安全;網(wǎng)絡(luò)流量;異常檢測(cè)隨著科技的進(jìn)步以及經(jīng)濟(jì)的發(fā)展，計(jì)算機(jī)已被廣泛應(yīng)用到各個(gè)領(lǐng)域，并且計(jì)算機(jī)的應(yīng)用，也為各個(gè)領(lǐng)域的效能進(jìn)行了提升。隨著網(wǎng)絡(luò)普及化程度的增加，計(jì)算機(jī)網(wǎng)絡(luò)安全事件頻頻發(fā)生的背景下，計(jì)算機(jī)網(wǎng)絡(luò)安全越來越受到人們的重視，人們的信息，正在遭受著來自各方的威脅，不僅如此，網(wǎng)絡(luò)安全還關(guān)系這國家的經(jīng)濟(jì)運(yùn)行，有效的對(duì)網(wǎng)絡(luò)犯罪進(jìn)行遏制，保障網(wǎng)絡(luò)安全，

越多, 使得網(wǎng)絡(luò)流量急劇增加, 網(wǎng)絡(luò)阻塞時(shí)有發(fā)生, 導(dǎo)致網(wǎng)絡(luò)上信息丟失和延遲嚴(yán)重, 給網(wǎng)絡(luò)管理帶來挑戰(zhàn)[1-3]. 網(wǎng)絡(luò)流量是一個(gè)評(píng)價(jià)網(wǎng)絡(luò)管理質(zhì)量的重要參數(shù), 根據(jù)歷史數(shù)據(jù)集對(duì)網(wǎng)絡(luò)流量進(jìn)行建模與預(yù)測(cè), 可幫助網(wǎng)絡(luò)管理員掌握網(wǎng)絡(luò)流量的變化規(guī)律, 改善網(wǎng)絡(luò)服務(wù)質(zhì)量. 精確、 快速的網(wǎng)絡(luò)流量預(yù)測(cè)是降低網(wǎng)絡(luò)擁塞的重要保障, 因此網(wǎng)絡(luò)流量預(yù)測(cè)是網(wǎng)絡(luò)管理領(lǐng)域的一個(gè)重要研究方向[4-5].目前, 已有許多網(wǎng)絡(luò)流量預(yù)測(cè)模型, 這些模型主要?jiǎng)澐譃閮深悾?1) 基于傳統(tǒng)統(tǒng)計(jì)學(xué)

監(jiān)控，P2P網(wǎng)絡(luò)流量識(shí)別是網(wǎng)絡(luò)管理的基礎(chǔ)，高精度的P2P網(wǎng)絡(luò)流量識(shí)別方法構(gòu)建是當(dāng)前研究的熱點(diǎn)問題[2-3]。為了獲得理想的P2P網(wǎng)絡(luò)流量識(shí)別效果，提出基于神經(jīng)網(wǎng)絡(luò)的P2P網(wǎng)絡(luò)流量識(shí)別方法，并與經(jīng)典P2P網(wǎng)絡(luò)流量識(shí)別方法在相同平臺(tái)進(jìn)行仿真對(duì)比實(shí)驗(yàn)，結(jié)果表明，本文方法可以描述P2P網(wǎng)絡(luò)流量的變化特點(diǎn)，P2P網(wǎng)絡(luò)流量識(shí)別精度更高，具有十分明顯的優(yōu)越性。1 P2P流量識(shí)別的相關(guān)研究工作近些年來，國內(nèi)外對(duì)P2P網(wǎng)絡(luò)流量識(shí)別進(jìn)行深入研究，當(dāng)前P2P網(wǎng)絡(luò)流量識(shí)別技術(shù)主要

據(jù)網(wǎng)絡(luò)威脅在網(wǎng)絡(luò)流量中的異常表現(xiàn)，對(duì)卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)、訓(xùn)練過程進(jìn)行了研究，建立了基于卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量異常檢測(cè)模型，并對(duì)模型建立后的數(shù)據(jù)準(zhǔn)備、分類識(shí)別方法進(jìn)行了探討，實(shí)現(xiàn)了網(wǎng)絡(luò)流量的分類。關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡(luò);網(wǎng)絡(luò)流量;異常檢測(cè)中圖分類號(hào)：TP309.2 ?文獻(xiàn)標(biāo)識(shí)碼：A ? ?文章編號(hào)：2096-4706（2021）12-0094-04Abstract： With the transition of informatization construct

管理[1].網(wǎng)絡(luò)流量預(yù)測(cè)模型的構(gòu)建是實(shí)現(xiàn)網(wǎng)絡(luò)管理和流量控制的基礎(chǔ)工作，高精度的預(yù)測(cè)模型不僅能夠準(zhǔn)確地提供未來時(shí)段的流量數(shù)據(jù)，同時(shí)也可應(yīng)用于擁塞控制、僵尸檢測(cè)等多個(gè)方面[2].高精度預(yù)測(cè)模型具有精確描述網(wǎng)絡(luò)流量變化特性的能力，例如非線性、周期性和長(zhǎng)相關(guān)性等.當(dāng)前的流量預(yù)測(cè)模型僅能對(duì)線性網(wǎng)絡(luò)流量進(jìn)行預(yù)測(cè)，無法準(zhǔn)確描述網(wǎng)絡(luò)流量變化特性，應(yīng)用范圍有限，已不適用于大規(guī)模網(wǎng)絡(luò)流量的預(yù)測(cè)和分析[3].組合模型能夠擬合多個(gè)單一預(yù)測(cè)模型的優(yōu)點(diǎn)，更精確地描述網(wǎng)絡(luò)流量特征，已成

詞：防火墻;網(wǎng)絡(luò)流量;網(wǎng)絡(luò)異常;加固Automatic reminder and reinforcement prevention based on abnormal traffic signature database ofborder firewallLi Youqun 1，Gong Guchu 2， Zhou Jiufang2（1. State Grid Hunan Provincial Power Co.， Ltd. Changde Power S

測(cè)試系統(tǒng); 網(wǎng)絡(luò)流量; 評(píng)估準(zhǔn)確性; 抗攻擊能力中圖分類號(hào)： TN915.08?34; G255 ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2020）23?0054?04Abstract： The traditional anti?malware attack test system has the defects of low detection efficiency of

絡(luò)營(yíng)銷、提高網(wǎng)絡(luò)流量成了每個(gè)公司的難題。本文以鎮(zhèn)江長(zhǎng)城重工科技有限公司為研究對(duì)象，采用FAB模型進(jìn)行剖析，進(jìn)而針對(duì)鎮(zhèn)江長(zhǎng)城重工科技有限公司提出網(wǎng)絡(luò)流量策略，具體是：重視消費(fèi)者的產(chǎn)品購買體驗(yàn)、采取多種產(chǎn)品的定價(jià)策略、結(jié)合雙重網(wǎng)絡(luò)營(yíng)銷渠道與根據(jù)消費(fèi)者特點(diǎn)定期開展促銷活動(dòng)。關(guān)鍵詞：FAB模型;網(wǎng)絡(luò)營(yíng)銷;網(wǎng)絡(luò)流量一、引言當(dāng)人類進(jìn)入信息時(shí)代，網(wǎng)絡(luò)營(yíng)銷作為網(wǎng)絡(luò)經(jīng)濟(jì)活動(dòng)的主要內(nèi)容開始進(jìn)入人們的普通生活。據(jù)統(tǒng)計(jì)，在2016年我國的電子商務(wù)的網(wǎng)購交易額竟然達(dá)到22.97萬億

要】為了評(píng)估網(wǎng)絡(luò)流量情況，及時(shí)擴(kuò)容擁塞電路，運(yùn)營(yíng)商普遍采用基于SNMP的網(wǎng)絡(luò)流量采集方法，通過計(jì)算兩次采集間隔的平均速率粗略估計(jì)電路流量。為了進(jìn)一步定性分析流量突發(fā)情況，編寫了實(shí)驗(yàn)程序，縮短采集周期，實(shí)現(xiàn)了秒級(jí)采集，使用不同采集周期的數(shù)據(jù)進(jìn)行計(jì)算和對(duì)比分析，得到了不同采集周期下的峰值流量的比值，最后提出了更有效的運(yùn)營(yíng)商網(wǎng)絡(luò)流量傳統(tǒng)采集加觸發(fā)式秒級(jí)采集的新模型，以期實(shí)現(xiàn)精準(zhǔn)擴(kuò)容和更加敏捷的流量調(diào)度?！娟P(guān)鍵詞】網(wǎng)絡(luò)流量;秒級(jí)采集;SNMP;流量突發(fā);精準(zhǔn)擴(kuò)容;

011 引言網(wǎng)絡(luò)流量預(yù)測(cè)是網(wǎng)絡(luò)管理和流量業(yè)務(wù)的基礎(chǔ)，對(duì)于控制、優(yōu)化網(wǎng)絡(luò)上的各種資源起著至關(guān)重要的作用。精準(zhǔn)的網(wǎng)絡(luò)流量預(yù)測(cè)可以幫助管理者設(shè)計(jì)網(wǎng)絡(luò)擁堵控制策略，合理進(jìn)行資源分配與調(diào)度，保證網(wǎng)絡(luò)的流暢度，提高網(wǎng)絡(luò)資源的利用率[1-3]。近年來提出了越來越多針對(duì)網(wǎng)絡(luò)流量的預(yù)測(cè)模型和方法。針對(duì)網(wǎng)絡(luò)流量序列，許多學(xué)者采用線性預(yù)測(cè)模型。一般廣泛使用自回歸（AR）、滑動(dòng)平均（MA）及其改進(jìn)模型預(yù)測(cè)。如：黨小超等[4]以時(shí)間點(diǎn)為基礎(chǔ)，建立多元線性AR 模型預(yù)測(cè)網(wǎng)絡(luò)流量。段智

[1]。針對(duì)網(wǎng)絡(luò)流量的異常檢測(cè)與監(jiān)控已成為目前安全工具研究的主要方向。在高速網(wǎng)絡(luò)環(huán)境中,網(wǎng)絡(luò)異常檢測(cè)過程需要獲取、處理和傳輸?shù)拇罅?span id="hrf5nhf" class="hl">網(wǎng)絡(luò)流量數(shù)據(jù),可能由大量特征來描述,通常這些特征中含有許多無關(guān)特征和冗余特征,會(huì)提高異常檢測(cè)模型的復(fù)雜度,且各特征之間的相互干擾會(huì)導(dǎo)致檢測(cè)性能急劇下降。因此,在對(duì)海量高維網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行異常檢測(cè)建模之前,需要對(duì)數(shù)據(jù)進(jìn)行特征降維約簡(jiǎn)處理。攻擊數(shù)據(jù)集的特征質(zhì)量直接決定入侵檢測(cè)系統(tǒng)的檢測(cè)效率和穩(wěn)定性,因此,分析網(wǎng)絡(luò)流量以確定有助于識(shí)別

：緊急疏散;網(wǎng)絡(luò)流量;MRSE模型;擁塞水平1 背景簡(jiǎn)介自2012年以來，法國至少發(fā)生了12起與恐怖主義有關(guān)的重大事件。隨著法國恐怖襲擊事件的增多，[1]世界上規(guī)模最大，訪問量最大的藝術(shù)博物館盧浮宮等一些熱門目的地的緊急疏散問題是：更突出。如果處置不當(dāng)，將給人們的生命財(cái)產(chǎn)帶來巨大損失。因此，如何及時(shí)有效地進(jìn)行緊急疏散是減少生命財(cái)產(chǎn)損失的重要手段，尤其是減少大規(guī)模傷亡。[2]在不同的實(shí)際環(huán)境中進(jìn)行緊急疏散通常需要我們建立不同的具體模型。2 MRME模型（多路

發(fā)展，尤其是網(wǎng)絡(luò)流量數(shù)據(jù)，每天有大量流量數(shù)據(jù)產(chǎn)生，它們不斷的在網(wǎng)絡(luò)上進(jìn)行傳輸，使得網(wǎng)絡(luò)流量管理系統(tǒng)的負(fù)載日益嚴(yán)重，到了周末或者節(jié)假日，網(wǎng)絡(luò)的速度極慢，而且經(jīng)常出現(xiàn)網(wǎng)絡(luò)擁塞，如何改善網(wǎng)絡(luò)流量的傳輸速度和網(wǎng)絡(luò)流量的管理效率引起了人們的高度關(guān)注[1]。網(wǎng)絡(luò)流量的建模與預(yù)測(cè)是一種網(wǎng)絡(luò)管理的重要技術(shù)，其對(duì)將來一段時(shí)間內(nèi)的網(wǎng)絡(luò)流量變化趨勢(shì)進(jìn)行預(yù)測(cè)，得到的預(yù)測(cè)結(jié)果可以提供給網(wǎng)絡(luò)管理者，讓他們提前準(zhǔn)備一定的網(wǎng)絡(luò)流量管理方案進(jìn)行應(yīng)對(duì)，因此當(dāng)前存在許多網(wǎng)絡(luò)流量預(yù)測(cè)模型[2]。

計(jì)一款計(jì)算機(jī)網(wǎng)絡(luò)流量控制系統(tǒng)，對(duì)網(wǎng)絡(luò)流量加以控制，以期改善網(wǎng)絡(luò)服務(wù)質(zhì)量。關(guān)鍵詞：Linux;網(wǎng)絡(luò)流量;系統(tǒng)設(shè)計(jì)中圖分類號(hào)：TP393.06 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2019）03-0017-010 引言網(wǎng)絡(luò)應(yīng)用的增多，直接影響了對(duì)網(wǎng)速質(zhì)量要求較高的部分應(yīng)用，導(dǎo)致發(fā)生延遲、丟包等問題，本文提出的網(wǎng)絡(luò)流量控制系統(tǒng)，可根據(jù)實(shí)際用戶使用需求，分配給用戶不同的寬帶流量，實(shí)現(xiàn)資源合理調(diào)度。在已有網(wǎng)絡(luò)架構(gòu)的基礎(chǔ)上，通過Linux系統(tǒng)的應(yīng)用，具有成本

持向量機(jī); 網(wǎng)絡(luò)流量; 混沌預(yù)測(cè); 平均絕對(duì)誤差; 蟻群算法中圖分類號(hào)： TN711?34; TP393 ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2019）02?0120?04Chaotic prediction of network traffic based on particle swarm algorithmoptimization and support vecto

夢(mèng)琳摘 要：網(wǎng)絡(luò)流量的協(xié)議類型識(shí)別是進(jìn)行協(xié)議分析和網(wǎng)絡(luò)管理的前提，為此研究綜述了網(wǎng)絡(luò)協(xié)議識(shí)別技術(shù)。首先，描述了網(wǎng)絡(luò)協(xié)議識(shí)別的目標(biāo)，分析了協(xié)議識(shí)別的一般流程，探討了協(xié)議識(shí)別的現(xiàn)實(shí)需求，給出了評(píng)估協(xié)議識(shí)別方法的標(biāo)準(zhǔn);然后，從基于數(shù)據(jù)包的協(xié)議識(shí)別和基于數(shù)據(jù)流的協(xié)議識(shí)別兩個(gè)類別分析了網(wǎng)絡(luò)協(xié)議技術(shù)的研究現(xiàn)狀，并對(duì)協(xié)議識(shí)別的各類技術(shù)進(jìn)行了比較分析;最后，針對(duì)目前協(xié)議識(shí)別方法的缺陷和應(yīng)用需求，對(duì)協(xié)議識(shí)別技術(shù)的研究趨勢(shì)進(jìn)行了展望。關(guān)鍵詞：應(yīng)用層協(xié)議;網(wǎng)絡(luò)流量;協(xié)議識(shí)別;特

;設(shè)備性能;網(wǎng)絡(luò)流量1? ? 校園網(wǎng)絡(luò)監(jiān)控系統(tǒng)伴隨著教育信息化的深入、數(shù)字化校園的建設(shè)和發(fā)展，校園網(wǎng)絡(luò)支撐業(yè)務(wù)越來越廣泛，網(wǎng)絡(luò)規(guī)模越來越大，結(jié)構(gòu)日趨復(fù)雜，對(duì)網(wǎng)絡(luò)的可靠性與可用性依賴程度越來越高。在日常網(wǎng)絡(luò)維護(hù)過程中，維護(hù)人員經(jīng)常會(huì)發(fā)現(xiàn)因設(shè)備掉電，瞬時(shí)流量大，CPU、內(nèi)存占用率高等問題帶來的網(wǎng)絡(luò)中斷或延遲。網(wǎng)絡(luò)設(shè)備類型多，缺乏實(shí)時(shí)在線監(jiān)控平臺(tái)等方面的原因，使出現(xiàn)的問題無法及時(shí)預(yù)警提醒，導(dǎo)致處理滯后。在校園網(wǎng)絡(luò)規(guī)劃和結(jié)構(gòu)調(diào)整方面，沒有專門的系統(tǒng)對(duì)歷史流量等數(shù)據(jù)

oid平臺(tái)的網(wǎng)絡(luò)流量異常監(jiān)控軟件設(shè)計(jì)，且將其設(shè)計(jì)研究工作落實(shí)到位，滿足用戶對(duì)手機(jī)流量監(jiān)控方面的多樣化需求。鑒于此，本文將對(duì)基于android平臺(tái)的網(wǎng)絡(luò)流量異常監(jiān)控軟件設(shè)計(jì)進(jìn)行系統(tǒng)闡述。關(guān)鍵詞：android平臺(tái)；網(wǎng)絡(luò)流量；監(jiān)控軟件；設(shè)計(jì)；研究工作加強(qiáng)基于android平臺(tái)的網(wǎng)絡(luò)流量異常監(jiān)控軟件設(shè)計(jì)分析，有利于增加用戶手機(jī)流量監(jiān)控方面的技術(shù)含量，促使其監(jiān)控效率得以提高，為智能手機(jī)的應(yīng)用范圍逐漸擴(kuò)大提供保障。因此，需要通過對(duì)用戶在手機(jī)流量監(jiān)控方面實(shí)際需求的考慮

先簡(jiǎn)要闡述了網(wǎng)絡(luò)流量異常檢測(cè)的重要意義，在此基礎(chǔ)上對(duì)計(jì)算機(jī)網(wǎng)絡(luò)環(huán)境下網(wǎng)絡(luò)流量異常的檢測(cè)算法進(jìn)行論述。期望通過本文的研究能夠?qū)W(wǎng)絡(luò)運(yùn)行穩(wěn)定性的提升有所幫助?！娟P(guān)鍵詞】計(jì)算機(jī)網(wǎng)絡(luò) 網(wǎng)絡(luò)流量 異常檢測(cè)算法1 網(wǎng)絡(luò)流量異常檢測(cè)的重要意義對(duì)于計(jì)算機(jī)網(wǎng)絡(luò)而言，網(wǎng)絡(luò)流量是對(duì)整個(gè)網(wǎng)絡(luò)運(yùn)行狀態(tài)進(jìn)行研究的重要前提和基礎(chǔ)，在網(wǎng)絡(luò)當(dāng)中，物理層的數(shù)據(jù)單位是比特，而數(shù)據(jù)鏈路層的單位是幀，由于數(shù)據(jù)單位本身的特殊性，使得無法對(duì)網(wǎng)絡(luò)異常進(jìn)行直觀分析。同時(shí)，網(wǎng)絡(luò)層是以數(shù)據(jù)包作為單位，在它的流

支持向量機(jī)的網(wǎng)絡(luò)流量混沌預(yù)測(cè)方法通?；谌斯そ?jīng)驗(yàn)設(shè)置參數(shù)，參數(shù)的性能較差，大大降低網(wǎng)絡(luò)流量預(yù)測(cè)精度。因此，提出遺傳算法優(yōu)化支持向量機(jī)的網(wǎng)絡(luò)流量混沌預(yù)測(cè)方法，通過相空間重構(gòu)獲取新的網(wǎng)絡(luò)流量時(shí)間序列，獲取具有最佳非線性預(yù)測(cè)結(jié)果的支持向量機(jī)函數(shù)，采用遺傳算法優(yōu)化支持向量機(jī)參數(shù)?；趦?yōu)化的支持向量機(jī)參數(shù)，設(shè)計(jì)基于遺傳算法優(yōu)化支持向量機(jī)的交通流量預(yù)測(cè)模型，實(shí)現(xiàn)網(wǎng)絡(luò)流量混沌預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明，所提方法在網(wǎng)絡(luò)流量預(yù)測(cè)方面整體性能優(yōu)、具有較高的精度。關(guān)鍵詞： 遺傳算法優(yōu)化

曉歌摘 要：網(wǎng)絡(luò)流量異常檢測(cè)對(duì)網(wǎng)絡(luò)管理和保證網(wǎng)絡(luò)正常運(yùn)行具有重要意義。本文從檢測(cè)所需的網(wǎng)絡(luò)流量數(shù)據(jù)及其特征、檢測(cè)性能指標(biāo)、具體的檢測(cè)技術(shù)分類幾個(gè)方面全面綜述了網(wǎng)絡(luò)流量異常檢測(cè)的相關(guān)技術(shù)，深入研究了各種網(wǎng)絡(luò)流量異常檢測(cè)技術(shù)，并分析了各種方法的優(yōu)缺點(diǎn)，指出目前檢測(cè)方法存在的不足，以期對(duì)未來異常檢測(cè)研究提供一定的借鑒和指導(dǎo)。關(guān)鍵詞：網(wǎng)絡(luò)流量;異常檢測(cè);分布式拒絕服務(wù);流量特征中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2018）31-0

類不斷增加，網(wǎng)絡(luò)流量值急劇增加，因此網(wǎng)絡(luò)流量的預(yù)測(cè)引起了人們的廣泛關(guān)注，但網(wǎng)絡(luò)流量受到經(jīng)濟(jì)、環(huán)境等因素綜合影響，變化具有隨性、混沌，同時(shí)受到上網(wǎng)時(shí)間、價(jià)格等因素影響，其變化十分復(fù)雜，如何提高網(wǎng)絡(luò)流量預(yù)測(cè)精度是網(wǎng)絡(luò)管理領(lǐng)域研究中重點(diǎn)[1-2]。針對(duì)網(wǎng)絡(luò)流量預(yù)測(cè)問題，國內(nèi)外學(xué)者進(jìn)行廣泛、深入的研究，提出許多優(yōu)秀的網(wǎng)絡(luò)流量預(yù)測(cè)模型[3]，當(dāng)前網(wǎng)絡(luò)流量預(yù)測(cè)值可以分為：基于傳統(tǒng)統(tǒng)計(jì)學(xué)理論的網(wǎng)絡(luò)流量預(yù)測(cè)模型[4-5]，如線性回歸模型，它們是主要基于線性理論進(jìn)行建模，假

入理解與領(lǐng)會(huì)網(wǎng)絡(luò)流量的特殊性是了解客戶網(wǎng)絡(luò)行為、更好開展網(wǎng)絡(luò)管理工作的基礎(chǔ)，而行之有效的方式就是對(duì)網(wǎng)絡(luò)力量進(jìn)行采集與分析，這樣就能夠更為直觀的了解到各類網(wǎng)絡(luò)流量信息，其實(shí)際意義是巨大的。本文主要對(duì)幾種流量采集技術(shù)的優(yōu)缺點(diǎn)進(jìn)行了合理分析，并著重介紹了現(xiàn)階段實(shí)用性較強(qiáng)的NetFlow技術(shù)，并對(duì)其在網(wǎng)絡(luò)管理中的應(yīng)用進(jìn)行重點(diǎn)介紹。關(guān)鍵詞：流量采集；網(wǎng)絡(luò)流量；NetFlow一、現(xiàn)階段常用的網(wǎng)絡(luò)流量數(shù)據(jù)采集方法現(xiàn)階段我們常用的網(wǎng)絡(luò)流量數(shù)據(jù)采集方式有以下幾種：第一就是建

絡(luò)擁塞頻率，網(wǎng)絡(luò)流量預(yù)測(cè)可以為網(wǎng)絡(luò)管理提供有有價(jià)值的參考意見，設(shè)計(jì)高精度、速度快的網(wǎng)絡(luò)流量預(yù)測(cè)模型十分關(guān)鍵[1-3]。網(wǎng)絡(luò)流量預(yù)測(cè)的研究可以分為兩個(gè)階段：傳統(tǒng)階段和現(xiàn)代階段，傳統(tǒng)階段主要有時(shí)間序列法、多元線性回歸等[4-6]，它們假設(shè)網(wǎng)絡(luò)流量呈現(xiàn)線性變化規(guī)律，建模速度快，然而網(wǎng)絡(luò)流量受到多種因素影響，具有時(shí)變性、混沌性等，預(yù)測(cè)精度低，預(yù)測(cè)結(jié)果不可靠[7]?，F(xiàn)代階段主要采用機(jī)器學(xué)習(xí)算法對(duì)網(wǎng)絡(luò)流量進(jìn)行建模和預(yù)測(cè)，其中神經(jīng)網(wǎng)絡(luò)應(yīng)用最為廣泛，預(yù)測(cè)精度得到了一定提升

摘 要 網(wǎng)絡(luò)流量的統(tǒng)計(jì)與分析技術(shù)在企業(yè)網(wǎng)絡(luò)故障的排除過程中是解決問題的開始，通過分析網(wǎng)絡(luò)中的數(shù)據(jù)流量和網(wǎng)絡(luò)協(xié)議的分布情況來分析故障的原因，為后續(xù)決策提供依據(jù)。本文主要探討了網(wǎng)絡(luò)流量統(tǒng)計(jì)與分析的對(duì)解決網(wǎng)絡(luò)故障的重要性及其實(shí)現(xiàn)的幾種方式。【關(guān)鍵詞】網(wǎng)絡(luò)流量 流量統(tǒng)計(jì) 流量分析 Sniffer NetFlow隨著互聯(lián)網(wǎng)業(yè)務(wù)的飛速發(fā)展，企業(yè)網(wǎng)絡(luò)面臨著各種各樣的威脅，企業(yè)的網(wǎng)絡(luò)性能也隨著用戶的行為和應(yīng)用的多樣化變得難以控制，這使得網(wǎng)管理員頭痛不已。這時(shí)候?qū)ζ髽I(yè)的網(wǎng)絡(luò)

也逐漸復(fù)雜，網(wǎng)絡(luò)流量監(jiān)測(cè)目前已經(jīng)是網(wǎng)絡(luò)應(yīng)用過程中的重要部分。網(wǎng)絡(luò)流量監(jiān)測(cè)屬于網(wǎng)絡(luò)管理內(nèi)容，在實(shí)時(shí)流量分析、流量異常告警、歷史流量統(tǒng)計(jì)等多方面都具有重要的意義?！娟P(guān)鍵詞】網(wǎng)絡(luò)流量 實(shí)時(shí)監(jiān)控分析 系統(tǒng)開發(fā)在電力行業(yè)改革不斷發(fā)展的過程中，行業(yè)的競(jìng)爭(zhēng)也越來越激烈，如何在短時(shí)間內(nèi)為用戶提供更好的服務(wù)，是目前我國電力行業(yè)信息化發(fā)展的主要目的。現(xiàn)代業(yè)務(wù)發(fā)展尤為迅速，并且在此過程中會(huì)出現(xiàn)多種全新的業(yè)務(wù)，客戶對(duì)業(yè)務(wù)的需求量也在不斷的提高，導(dǎo)致現(xiàn)代網(wǎng)絡(luò)系統(tǒng)運(yùn)行維護(hù)具有較大的挑

王洋摘要網(wǎng)絡(luò)流量數(shù)據(jù)就是對(duì)網(wǎng)絡(luò)資源發(fā)展、服務(wù)質(zhì)量、安全管理產(chǎn)生重要影響的一項(xiàng)工作，本文主要對(duì)網(wǎng)絡(luò)流量檢測(cè)技術(shù)進(jìn)行了研究，從而進(jìn)一步分析不同網(wǎng)絡(luò)流量檢測(cè)技術(shù)的特征，在有效的對(duì)比下進(jìn)行實(shí)現(xiàn)問題的科學(xué)研究，實(shí)現(xiàn)網(wǎng)絡(luò)流量監(jiān)測(cè)技術(shù)水平的提升。【關(guān)鍵詞】網(wǎng)絡(luò)流量 監(jiān)測(cè)技術(shù) 性能由于當(dāng)前我國網(wǎng)絡(luò)結(jié)構(gòu)向著越來越復(fù)雜的方向發(fā)展，網(wǎng)絡(luò)的規(guī)模也不斷擴(kuò)大，所以對(duì)網(wǎng)絡(luò)安全管理工作提出的要求也在不斷增加。網(wǎng)絡(luò)流量作為記錄用戶活動(dòng)和反映信息數(shù)據(jù)的重要載體，可以任何一項(xiàng)網(wǎng)絡(luò)活動(dòng)進(jìn)行聯(lián)

汪文杰摘要：網(wǎng)絡(luò)流量作為網(wǎng)絡(luò)上傳輸?shù)臄?shù)據(jù)量，對(duì)網(wǎng)絡(luò)安全應(yīng)用具有重要意義，如何實(shí)現(xiàn)信息網(wǎng)網(wǎng)絡(luò)流量的采集、分析是網(wǎng)絡(luò)運(yùn)維的重難點(diǎn)。本文實(shí)現(xiàn)了信息網(wǎng)網(wǎng)絡(luò)流量的實(shí)時(shí)采集存儲(chǔ)，建立分析檢測(cè)模型，快速發(fā)現(xiàn)信息網(wǎng)面臨的安全風(fēng)險(xiǎn)及潛在的安全隱患，為信息網(wǎng)安全提供智能化、自動(dòng)化支撐。關(guān)鍵詞：網(wǎng)絡(luò)流量；安全風(fēng)險(xiǎn)；分析模型中圖分類號(hào)：TP393.06 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）10-0067-021 引言隨著信息網(wǎng)的迅速發(fā)展和企業(yè)信息化程度的不斷提

支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測(cè)①王雪松(佛山職業(yè)技術(shù)學(xué)院電子信息系, 佛山 528137)支持向量機(jī)具有良好的非線性建模能力, 其參數(shù)對(duì)網(wǎng)絡(luò)流量預(yù)測(cè)結(jié)果有直接影響, 為了解決支持向量機(jī)的參數(shù)確定的難問題, 根據(jù)雜草算法的優(yōu)勢(shì), 提出了改進(jìn)支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測(cè)模型. 首先收集大量網(wǎng)絡(luò)數(shù)量原始數(shù)據(jù), 將支持向量機(jī)參數(shù)作為雜草種子, 然后模擬雜草的生存、繁殖過程搜索最優(yōu)參數(shù)尋優(yōu), 建立網(wǎng)絡(luò)流量預(yù)測(cè)模型, 最后采用具體網(wǎng)絡(luò)流量數(shù)據(jù)測(cè)試模型的可行性. 結(jié)果表明, 該模

本文在闡述了網(wǎng)絡(luò)流量監(jiān)控的現(xiàn)狀基礎(chǔ)上，采用C/S架構(gòu)模式提出了網(wǎng)絡(luò)流量實(shí)時(shí)監(jiān)控管理平臺(tái)的構(gòu)建方案，對(duì)于網(wǎng)絡(luò)運(yùn)營(yíng)商和用戶來說，對(duì)于有效提高網(wǎng)絡(luò)內(nèi)容管理、傳輸管理、安全管理等有著較高的研究?jī)r(jià)值。關(guān)鍵詞：監(jiān)控平臺(tái)；網(wǎng)絡(luò)流量；流量監(jiān)控1引言目前，對(duì)于網(wǎng)絡(luò)運(yùn)營(yíng)商和個(gè)人用戶來說，實(shí)現(xiàn)網(wǎng)絡(luò)流量的實(shí)時(shí)監(jiān)控勢(shì)在必行，無論網(wǎng)絡(luò)體系結(jié)構(gòu)規(guī)模是否龐大，都需要實(shí)現(xiàn)規(guī)范化、系統(tǒng)化、模式化的網(wǎng)絡(luò)管理。隨著網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，傳統(tǒng)的人工管理模式已經(jīng)不能有效保障網(wǎng)絡(luò)安全。因此，必須結(jié)合現(xiàn)代

摘 要：針對(duì)網(wǎng)絡(luò)流量識(shí)別問題，提出一種基于支持向量機(jī)（SVM）的網(wǎng)絡(luò)流量識(shí)別模型。首先通過流量特征提取模塊，提取適合在支持向量機(jī)中識(shí)別網(wǎng)絡(luò)流量的6個(gè)主要特征。對(duì)數(shù)據(jù)進(jìn)行清洗、預(yù)處理以及訓(xùn)練和學(xué)習(xí)，從而實(shí)現(xiàn)整個(gè)基于SVM的網(wǎng)絡(luò)流量識(shí)別系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，經(jīng)過交叉檢驗(yàn)選擇參數(shù)后，再用支持向量機(jī)模型進(jìn)行訓(xùn)練和學(xué)習(xí)，可以取得較好的分類效果。關(guān)鍵詞：網(wǎng)絡(luò)流量；支持向量機(jī)；流量識(shí)別DOIDOI：10.11907/rjdk.162818中圖分類號(hào)：TP393文獻(xiàn)標(biāo)識(shí)碼：

聚類算法 網(wǎng)絡(luò)流量引言：隨著科技的逐漸發(fā)展，越來越多的人們開始走向互聯(lián)網(wǎng)時(shí)代，隨之而來的是網(wǎng)絡(luò)業(yè)務(wù)的繁多。為了能提高網(wǎng)絡(luò)的服務(wù)質(zhì)量和服務(wù)的速度，更多的研究與如何構(gòu)建客戶關(guān)心的服務(wù)為起點(diǎn)的新型的網(wǎng)絡(luò)構(gòu)架。不一樣的業(yè)務(wù)內(nèi)容，需要不同的服務(wù)水平，而網(wǎng)絡(luò)流量是對(duì)客戶的運(yùn)動(dòng)進(jìn)行記錄和報(bào)告的重要的一項(xiàng)東西。進(jìn)行流量分類的研究，可以讓網(wǎng)絡(luò)的每個(gè)業(yè)務(wù)內(nèi)容有不一樣的服務(wù)內(nèi)容，這樣可以使網(wǎng)絡(luò)或者某些系統(tǒng)進(jìn)行快速的業(yè)務(wù)布置，以此提高網(wǎng)絡(luò)的承受能力，同時(shí)改變網(wǎng)絡(luò)的服務(wù)質(zhì)量。一、

使用范圍較廣網(wǎng)絡(luò)流量識(shí)別方法，并分析得出適用于電力信息通信網(wǎng)絡(luò)的流量識(shí)別方法?！娟P(guān)鍵詞】：電力信息通信網(wǎng)；網(wǎng)絡(luò)流量；識(shí)別方法引言IP報(bào)文集合會(huì)通過網(wǎng)絡(luò)觀測(cè)點(diǎn)，并且它是在某個(gè)固定時(shí)段內(nèi)通過的，我們把這種的集合稱之為流。在同一個(gè)特定流范圍內(nèi)的報(bào)文，常常具備相同的屬性。流量由流組成，一定數(shù)量的流構(gòu)成了流量。流量具備不同特征，根據(jù)這些特征對(duì)流量進(jìn)行區(qū)分和選擇，就是流量的分類和識(shí)別。用具體的理論方法進(jìn)行描述時(shí)，為“分類”；用具體的應(yīng)用分析進(jìn)行描述時(shí)，就是“識(shí)別”。如

支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測(cè)丁春莉， 李林森(陜西交通職業(yè)技術(shù)學(xué)院，西安 710021)網(wǎng)絡(luò)流量受到外界因素作用，具有復(fù)雜的變化規(guī)律，為了改善了網(wǎng)絡(luò)流量的預(yù)測(cè)效果，設(shè)計(jì)了和聲搜索算法優(yōu)化支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測(cè)模型(HS-SVM)。首先對(duì)當(dāng)前網(wǎng)絡(luò)流量預(yù)測(cè)研究現(xiàn)狀進(jìn)行深入分析，并指出了網(wǎng)絡(luò)流量的混沌特性，然后采用混沌理論的相應(yīng)方法確定網(wǎng)絡(luò)流量的延遲時(shí)間和嵌入維數(shù)，并對(duì)原始網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行重構(gòu)，最后采用HS-SVM建立網(wǎng)絡(luò)流量預(yù)測(cè)模型，并與當(dāng)前其它網(wǎng)絡(luò)流量預(yù)測(cè)模型

于本體的并行網(wǎng)絡(luò)流量分類方法陶曉玲1，2，韋 毅2，王 勇2，3（1. 桂林電子科技大學(xué)認(rèn)知無線電與信息處理省部共建教育部重點(diǎn)實(shí)驗(yàn)室 廣西 桂林 541004；2. 桂林電子科技大學(xué)廣西高校云計(jì)算與復(fù)雜系統(tǒng)重點(diǎn)實(shí)驗(yàn)室 廣西 桂林 541004；3. 桂林電子科技大學(xué)廣西可信軟件重點(diǎn)實(shí)驗(yàn)室 廣西 桂林 541004）海量網(wǎng)絡(luò)流量數(shù)據(jù)的處理與單一節(jié)點(diǎn)的計(jì)算能力瓶頸這一矛盾導(dǎo)致數(shù)據(jù)分類效率低，無法滿足現(xiàn)實(shí)需求。為解決這一問題，結(jié)合本體與MapReduce技術(shù)各自

于組合模型的網(wǎng)絡(luò)流量預(yù)測(cè)王雪松，李蘇洋網(wǎng)絡(luò)流量是多種因素綜合作用的結(jié)果，具有一定的混沌性和非線性，為了對(duì)網(wǎng)絡(luò)流量將來變化趨勢(shì)進(jìn)行準(zhǔn)確預(yù)測(cè)，提出了一種網(wǎng)絡(luò)流量的組合預(yù)測(cè)模型（PHR-ELM）。分別采用C-C算法和Cao算法對(duì)原始網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行混沌分析，構(gòu)建極限學(xué)習(xí)機(jī)的訓(xùn)練樣本集和測(cè)試樣本集，然后將訓(xùn)練樣本輸入到極限學(xué)習(xí)機(jī)進(jìn)行學(xué)習(xí)，建立網(wǎng)絡(luò)流量預(yù)測(cè)模型，最后測(cè)試樣本集輸入到模型中進(jìn)行單步和多步預(yù)測(cè)的驗(yàn)證性實(shí)驗(yàn)。結(jié)果表明，PHR-ELM可以反映網(wǎng)絡(luò)流量的混沌性

037）基于網(wǎng)絡(luò)流量的特征分析盧燦舉（電子工程學(xué)院，安徽合肥230037）網(wǎng)絡(luò)流量在互聯(lián)網(wǎng)發(fā)展不斷深化的背景下表現(xiàn)出了極為重要的意義，也是對(duì)網(wǎng)絡(luò)體系進(jìn)行切入理解的重要渠道，還是設(shè)計(jì)、規(guī)劃和管理網(wǎng)絡(luò)的直接憑據(jù)。在多尺度下對(duì)網(wǎng)絡(luò)流量的特征進(jìn)行了針對(duì)性探究，以期對(duì)相關(guān)工作起到一定參考作用。網(wǎng)絡(luò)流量；多尺度；特征網(wǎng)絡(luò)流量特征分析具有重要價(jià)值，是多項(xiàng)工作的支撐基礎(chǔ)。從不同的尺度條件下對(duì)網(wǎng)絡(luò)流量進(jìn)行分析，都能發(fā)現(xiàn)其還存在一定缺陷，對(duì)相關(guān)工作存在一定制約。因此，需要對(duì)相

10006）網(wǎng)絡(luò)流量有著突出的動(dòng)態(tài)特性，如何準(zhǔn)確地描述網(wǎng)絡(luò)流量的隱藏屬性對(duì)諸如網(wǎng)絡(luò)故障定位、異常檢測(cè)和性能分析等網(wǎng)絡(luò)活動(dòng)有著重要的影響。為了描述網(wǎng)絡(luò)流量，提出了一種特性分析方法。首先，利用小波包變換提取網(wǎng)絡(luò)流量的多尺度特性，然后利用主成分分析法對(duì)網(wǎng)絡(luò)流量的時(shí)頻域隱藏特性進(jìn)行了細(xì)化。最后，為了驗(yàn)證該特性分析方法，進(jìn)行了異常檢測(cè)測(cè)試，仿真結(jié)果表明，這種方法是可行的。網(wǎng)絡(luò)流量；特性分析；時(shí)頻分析；小波包變換；特性提取隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，如物聯(lián)網(wǎng)、軟件定義網(wǎng)絡(luò)、云

速產(chǎn)生，同時(shí)網(wǎng)絡(luò)流量也呈指數(shù)增長(zhǎng)，這帶來了網(wǎng)絡(luò)流量異常檢測(cè)的新挑戰(zhàn)。提出了一種快速檢測(cè)網(wǎng)絡(luò)流量異常的新方法，將網(wǎng)絡(luò)流量視為一個(gè)時(shí)間信號(hào)的序列，將其構(gòu)造成一個(gè)流量矩陣。對(duì)流量矩陣進(jìn)行主成分分解，再分別對(duì)這兩部分進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，得出快速異常檢測(cè)算法。仿真結(jié)果表明，這種方法是可行的。端到端網(wǎng)絡(luò)流量；異常檢測(cè)；主成分分析；經(jīng)驗(yàn)?zāi)B(tài)分解網(wǎng)絡(luò)流量異常對(duì)網(wǎng)絡(luò)性能和用戶體驗(yàn)質(zhì)量有很大的影響，因此，網(wǎng)絡(luò)流量異常檢測(cè)在當(dāng)前的網(wǎng)絡(luò)運(yùn)營(yíng)中具有非常重要的意義，并且成為了一個(gè)非常重

疏度自適應(yīng)的網(wǎng)絡(luò)流量矩陣測(cè)量方法楊京禮，崔 征，魏長(zhǎng)安，姜守達(dá)（哈爾濱工業(yè)大學(xué)自動(dòng)化測(cè)試與控制系，150080哈爾濱）為提高網(wǎng)絡(luò)流量矩陣測(cè)量的精度，在壓縮感知框架下提出一種稀疏度自適應(yīng)的網(wǎng)絡(luò)流量矩陣測(cè)量方法.通過對(duì)網(wǎng)絡(luò)流量矩陣的主成分分析及奇異值歸一化處理尋找信號(hào)支撐集選擇的判定閾值，利用網(wǎng)絡(luò)流量矩陣重構(gòu)過程中的殘差L2范數(shù)匹配計(jì)算各測(cè)量時(shí)間點(diǎn)上網(wǎng)絡(luò)流量矩陣的稀疏度，減小由于網(wǎng)絡(luò)流量矩陣近似稀疏表示以及稀疏度選擇不準(zhǔn)確造成的測(cè)量誤差.仿真實(shí)驗(yàn)結(jié)果表明：所提

求日益提高，網(wǎng)絡(luò)流量預(yù)測(cè)結(jié)果具有十分重要的實(shí)際價(jià)值，因此提高網(wǎng)絡(luò)流量預(yù)測(cè)的準(zhǔn)確性成為當(dāng)前網(wǎng)絡(luò)研究領(lǐng)域中的一個(gè)重大課題[1]。國內(nèi)外學(xué)者們對(duì)其進(jìn)行廣泛的研究，已提出時(shí)間序列分析法、神經(jīng)網(wǎng)絡(luò)、灰色理論、隱馬爾夫法、支持向量機(jī)等預(yù)測(cè)模型[2-6]。時(shí)間序列分析法可對(duì)波動(dòng)范圍小的網(wǎng)絡(luò)流量進(jìn)行準(zhǔn)確預(yù)測(cè)。但實(shí)際網(wǎng)絡(luò)流量受到多種因素的綜合影響，具有非線性和時(shí)變性等特點(diǎn)，時(shí)間預(yù)序列分析法的預(yù)測(cè)偏差較大，應(yīng)用范圍受限[7]。神經(jīng)網(wǎng)絡(luò)是一種非線性預(yù)測(cè)能力強(qiáng)的機(jī)器學(xué)習(xí)算法，要求

過程中，確保網(wǎng)絡(luò)流量的正常是網(wǎng)絡(luò)健康有序運(yùn)行的基礎(chǔ)，是網(wǎng)絡(luò)可持續(xù)發(fā)展的重要因素，網(wǎng)絡(luò)流量異常檢測(cè)及分析是網(wǎng)絡(luò)及安全管理領(lǐng)域的重要研究?jī)?nèi)容。網(wǎng)絡(luò)流量異常是指對(duì)網(wǎng)絡(luò)正常使用造成不良影響的網(wǎng)絡(luò)流量模式，引起網(wǎng)絡(luò)流量異常的原因很多。主要包括：（1）網(wǎng)絡(luò)攻擊，如 DDoS攻擊、DoS攻擊、端口查看等。（2）導(dǎo)致數(shù)據(jù)量模式改變的網(wǎng)絡(luò)病毒，如蠕蟲病毒等。（3）網(wǎng)絡(luò)的使用問題，如大量的P2P的應(yīng)用模式對(duì)網(wǎng)絡(luò)流量造成影響。（4）網(wǎng)絡(luò)誤配置及網(wǎng)絡(luò)存儲(chǔ)耗盡等。網(wǎng)絡(luò)流量的異常檢測(cè)

極端學(xué)習(xí)機(jī)的網(wǎng)絡(luò)流量預(yù)測(cè)劉春四川建筑職業(yè)技術(shù)學(xué)院網(wǎng)絡(luò)管理中心，四川德陽 618000為了提高網(wǎng)絡(luò)流量的預(yù)測(cè)精度，針對(duì)極端學(xué)習(xí)機(jī)的訓(xùn)練樣本選擇問題，提出一種改進(jìn)極端學(xué)習(xí)機(jī)的網(wǎng)絡(luò)流量預(yù)測(cè)模型（IELM）。根據(jù)最優(yōu)延遲時(shí)間和嵌入維數(shù)對(duì)網(wǎng)絡(luò)流量重構(gòu)，建立網(wǎng)絡(luò)學(xué)習(xí)樣本，將學(xué)習(xí)樣本輸入到改進(jìn)極端學(xué)習(xí)機(jī)進(jìn)行訓(xùn)練，隨新樣本加入而逐步求解網(wǎng)絡(luò)的權(quán)值，以提高學(xué)習(xí)速度，引入cholesky分解方法提高模型的泛化能力，采用具體網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行了仿真測(cè)試。結(jié)果表明，IELM不僅可以

-HRVM的網(wǎng)絡(luò)流量預(yù)測(cè)李融溫州廣播電視大學(xué)，浙江溫州 410205為了獲得更加理想的網(wǎng)絡(luò)流量預(yù)測(cè)結(jié)果，準(zhǔn)確刻畫網(wǎng)絡(luò)流量的變化趨勢(shì)，提出一種基于布谷鳥搜索算法優(yōu)化組合核相關(guān)向量機(jī)的網(wǎng)絡(luò)流量預(yù)測(cè)模型（CS-HRVM）。首先針對(duì)網(wǎng)絡(luò)流量的混沌特性，采用相空間理論建立網(wǎng)絡(luò)流量的多維學(xué)習(xí)樣本，并采用組合核函數(shù)構(gòu)建相關(guān)向量機(jī)，然后將學(xué)習(xí)樣本輸入到相關(guān)向量機(jī)中進(jìn)行訓(xùn)練，并采用布谷鳥搜索算法對(duì)模型參數(shù)進(jìn)行優(yōu)化，從而建立網(wǎng)絡(luò)流量預(yù)測(cè)模型，最后采用仿真實(shí)驗(yàn)對(duì)模型性能進(jìn)行仿真

換的PCNN網(wǎng)絡(luò)流量預(yù)測(cè)算法韓小燕無錫商業(yè)職業(yè)技術(shù)學(xué)院，江蘇無錫 214153網(wǎng)絡(luò)流量預(yù)測(cè)對(duì)網(wǎng)絡(luò)安全、網(wǎng)絡(luò)管理等具有重要的意義。針對(duì)網(wǎng)絡(luò)流量的行為特征，提出了基于小波變換的PCNN網(wǎng)絡(luò)流量預(yù)測(cè)算法。對(duì)預(yù)處理的網(wǎng)絡(luò)流量進(jìn)行小波分解，利用PCNN模型預(yù)測(cè)獲得的近似系數(shù)和細(xì)節(jié)系數(shù)，通過小波逆變換對(duì)預(yù)測(cè)的小波系數(shù)進(jìn)行重構(gòu)，得到預(yù)測(cè)的網(wǎng)絡(luò)流量。實(shí)驗(yàn)結(jié)果表明，與其他的三種網(wǎng)絡(luò)流量預(yù)測(cè)算法相比，算法得到較小的殘差，取得了較好的預(yù)測(cè)效果。小波變換；脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCN

量機(jī)相融合的網(wǎng)絡(luò)流量預(yù)測(cè)吳俊，黎云漢義烏工商職業(yè)技術(shù)學(xué)院，浙江義烏 322000針對(duì)網(wǎng)絡(luò)流量非線性、突變性和混沌性特點(diǎn)，利用相空間重構(gòu)和支持向量機(jī)參數(shù)的天然聯(lián)系，提出一種相空間重構(gòu)和支持向量機(jī)相融合的網(wǎng)絡(luò)流量預(yù)測(cè)方法。將網(wǎng)絡(luò)流量預(yù)測(cè)精度作為建模目標(biāo)，采用粒子群算法對(duì)空間重構(gòu)和支持向量機(jī)參數(shù)進(jìn)行組合優(yōu)化，建立最優(yōu)網(wǎng)絡(luò)流量預(yù)測(cè)模型。仿真實(shí)驗(yàn)結(jié)果表明，相對(duì)于傳統(tǒng)網(wǎng)絡(luò)流量預(yù)測(cè)方法，該方法更加能夠刻畫網(wǎng)絡(luò)流量復(fù)雜的變化特點(diǎn)，有效提高了網(wǎng)絡(luò)流量的預(yù)測(cè)精度。網(wǎng)絡(luò)流量；預(yù)

越來越頻繁，網(wǎng)絡(luò)流量預(yù)測(cè)可以為網(wǎng)絡(luò)管理員提供技術(shù)支持，幫助其及時(shí)調(diào)整網(wǎng)絡(luò)控制策略，提高網(wǎng)絡(luò)服務(wù)質(zhì)量，因此網(wǎng)絡(luò)流量建模與預(yù)測(cè)一直是網(wǎng)絡(luò)研究中的重點(diǎn)[1]。網(wǎng)絡(luò)流量數(shù)據(jù)實(shí)質(zhì)上是一種時(shí)間序列數(shù)據(jù)，傳統(tǒng)預(yù)測(cè)模型有差分自回歸移動(dòng)平均模型（ARIMA）、自動(dòng)回歸模型（AR）等[2-3]，它們假設(shè)網(wǎng)絡(luò)流量一種平穩(wěn)變化的數(shù)據(jù)，實(shí)際上，網(wǎng)絡(luò)流量是多種因素綜合作用的結(jié)果，具有隨機(jī)性、時(shí)變性等非平穩(wěn)變化特點(diǎn)，傳統(tǒng)模型難以準(zhǔn)確對(duì)網(wǎng)絡(luò)流進(jìn)行長(zhǎng)期預(yù)測(cè)，應(yīng)用范圍具有局限性[4]。針對(duì)網(wǎng)

挑戰(zhàn)[1]。網(wǎng)絡(luò)流量預(yù)測(cè)可以發(fā)現(xiàn)網(wǎng)絡(luò)流量異常，有利于更好地管理網(wǎng)絡(luò)，受到網(wǎng)絡(luò)研究工作者關(guān)注[2]。傳統(tǒng)網(wǎng)絡(luò)流量預(yù)測(cè)方法主要有自回歸法（AR）、自回歸移動(dòng)平均（ARMA）等線性預(yù)測(cè)技術(shù)，尤其是ARMA模型融合了回歸分析和時(shí)間序列分析功能，在網(wǎng)絡(luò)流量預(yù)測(cè)中取得了不錯(cuò)效果[3-4]。隨著網(wǎng)絡(luò)流量研究的不斷深入，研究者們發(fā)現(xiàn)網(wǎng)絡(luò)流量不僅具有線性變化特性，同時(shí)具有隨機(jī)、混沌性和突變性等非線性變化特性，而傳統(tǒng)方法無法描述網(wǎng)絡(luò)流量的非線性變化特性，應(yīng)用范圍受限[5]。隨

VM相融合的網(wǎng)絡(luò)流量預(yù)測(cè)鄭偉勇，馮廣麗河南工程學(xué)院 計(jì)算機(jī)科學(xué)與工程系，鄭州 4511911 引言隨著網(wǎng)絡(luò)規(guī)模擴(kuò)大，網(wǎng)絡(luò)管理難度日益增加，而流量預(yù)測(cè)可以了解網(wǎng)絡(luò)流量的發(fā)生趨勢(shì)，為網(wǎng)絡(luò)管理人員合理分配網(wǎng)絡(luò)帶寬，防止網(wǎng)絡(luò)擁塞提供有價(jià)值參考意見，因此，網(wǎng)絡(luò)流量預(yù)測(cè)準(zhǔn)確性已成為網(wǎng)絡(luò)管理領(lǐng)域中的研究熱點(diǎn)問題[1]。網(wǎng)絡(luò)流量受到上網(wǎng)隨機(jī)性、節(jié)假日等因素影響，具有一定的周期性、規(guī)律性和非平穩(wěn)性，傳統(tǒng)流量預(yù)測(cè)方法主要有回歸分析法、時(shí)間序列法、趨勢(shì)外推法等[2-4]，這些方

了原來互聯(lián)網(wǎng)網(wǎng)絡(luò)流量的控制管理模式，而且還對(duì)互聯(lián)網(wǎng)應(yīng)用的相關(guān)基礎(chǔ)設(shè)施產(chǎn)生了巨大的影響。P2P技術(shù)已經(jīng)逐漸的成為現(xiàn)代互聯(lián)網(wǎng)絡(luò)運(yùn)營(yíng)模式的發(fā)展潮流，P2P技術(shù)不論是在內(nèi)容方面還是在形式方面都體現(xiàn)出新穎的特點(diǎn)，因此，P2P技術(shù)在互聯(lián)網(wǎng)絡(luò)控制和管理中的應(yīng)用變得越來越廣泛。1 P2P技術(shù)的主要概述1.1 P2P技術(shù)的具體概念所謂P2P技術(shù)，指的就是點(diǎn)對(duì)點(diǎn)技術(shù)，也可以叫做對(duì)等互聯(lián)網(wǎng)絡(luò)技術(shù)。P2P技術(shù)是近些年才興起的一種嶄新形式的網(wǎng)絡(luò)技術(shù)，這種技術(shù)主要是通過互聯(lián)網(wǎng)絡(luò)中使用

0引言對(duì)通信網(wǎng)絡(luò)流量的預(yù)測(cè)，已有的方法主要建立在數(shù)理統(tǒng)計(jì)的基礎(chǔ)上，其中較為成功的預(yù)測(cè)方法有：基于FARIMA(p，d，q)模型的預(yù)測(cè)方法；C.Bor-Sen提出的模糊自適應(yīng)方法；基于分?jǐn)?shù)整合滑動(dòng)平均模型的預(yù)測(cè)方法；利用模糊判斷規(guī)則預(yù)測(cè)網(wǎng)絡(luò)流量的方法等。目前，利用小波理論處理時(shí)間序列問題已經(jīng)是一個(gè)熱點(diǎn)，在許多領(lǐng)域得到應(yīng)用并取得較好的成果，如物流、生物學(xué)、經(jīng)濟(jì)等。而國內(nèi)基于小波理論研究網(wǎng)絡(luò)流量的研究工作開展甚少，因此，這里著重于討論基于小波理論的網(wǎng)絡(luò)流量預(yù)測(cè)新