网络行为的全息测量方法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

网络行为的全息测量方法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 绪论1

1.1 本书的目的意义1

1.2 本书内容1

1.3 抽样方法2

1.3.1 分组抽样3

1.3.2 流抽样4

1.4 数据流方法5

1.4.1 熵估计5

1.4.2 流量与流矩阵估计6

1.4.3 连接度估计7

1.4.4 数据结构7

1.5 基于抽样与数据流方法的应用12

1.5.1 大流识别12

1.5.2 流长分布估计14

1.5.3 异常检测16

1.5.4 超点检测18

1.6 讨论18

1.6.1 主要问题18

1.6.2 未来方向19

1.7 本章小结19

参考文献20

2 基于报文抽样的流量统计推断方法25

2.1 引言25

2.1.1 基于报文抽样的报文数和字节数估计方法25

2.1.2 基于报文抽样的流数估计方法25

2.2 基于TCP序号的报文数及字节数估计26

2.2.1 常规估计方法存在的问题26

2.2.2 利用TCP序号估计27

2.2.3 TCP序号估计问题分析28

2.2.4 TCP序号估计程序修正30

2.3 流的报文数及字节数估计算法31

2.3.1 流的报文数估计算法31

2.3.2 流的字节数估计算法34

2.4 基于报文抽样的流数估计方法35

2.4.1 流数统计相关研究35

2.4.2 积分推断法36

2.4.3 迭代算法37

2.4.4 算法参数39

2.5 实验结果分析42

2.5.1 实验数据42

2.5.2 报文数估计结果分析43

2.5.3 字节数估计结果分析45

2.5.4 流数估计算法之间的比较47

2.5.5 性能对比49

2.6 本章小结49

参考文献50

3 网络流量聚合方法52

3.1 问题定义52

3.1.1 概述52

3.1.2 聚合点研究现状53

3.1.3 概念定义53

3.1.4 本章内容55

3.2 一维流量聚合56

3.2.1 简单一维聚合算法56

3.2.2 简单聚合算法实验分析57

3.2.3 快速一维聚合算法59

3.2.4 一维流量聚合的扩展64

3.3 多维流量聚合69

3.3.1 算法难点69

3.3.2 索引排序70

3.3 3 计算多维聚合点流量70

3.3.4 搜索空间裁剪72

3.3.5 多维流量聚合算法73

3.4 重聚合点压缩算法75

3.4.1 压缩概念75

3.4.2 一维压缩算法76

3.4.3 多维压缩算法78

3.5 实验分析81

3.5.1 数据来源81

3.5.2 一维算法性能分析82

3.5.3 多维聚合算法性能分析82

3.6 应用实例86

3.6.1 基于Web的视频服务86

3.6.2 优酷视频流量87

3.6.3 土豆视频流量89

3.6.4 数据对比89

3.7 本章小结90

参考文献90

4 高速网络活跃节点检测与分类方法92

4.1 问题定义92

4.1.1 概述92

4.1.2 活跃节点检测92

4.1.3 活跃节点分类93

4.1.4 背景技术93

4.1.5 本章内容96

4.2 活跃节点检测方法97

4.2.1 算法概述97

4.2.2 抽样过程98

4.2.3 活跃节点判断方法100

4.2.4 自适应调整过程102

4.2.5 淘汰机制104

4.2.6 新抽样参数的设置105

4.2.7 算法空间分析106

4.3 活跃节点分类方法107

4.3.1 端口通信测度定义107

4.3.2 异常端口通信模式108

4.3.3 正常端口通信模式109

4.4 基于通信模式的端口角色区间111

4.4.1 端口通信差异性测度定义111

4.4.2 端口角色区间划分112

4.4.3 两类分布的EM算法113

4.4.4 端口角色区间分类算法115

4.5 实验结果分析116

4.5.1 实验数据116

4.5.2 检测算法准确性117

4.5.3 端口聚类119

4.5.4 时空性能120

4.6 本章小结120

参考文献121

5 基于会话模式的网络流量分类方法123

5.1 背景技术123

5.1.1 流量识别的意义123

5.1.2 基于端口号的识别方法123

5.1.3 基于深度包检测技术的流量识别方法124

5.1.4 基于流量统计特征的流量识别方法125

5.1.6 基于地址关联的流量识别方法126

5.1.7 基于传输层中主机交互特征的流量识别方法127

5.1.8 本章内容128

5.2 主机端口并发连接数的分析128

5.2.1 并发连接数的定义129

5.2.2 客户端和服务器间的并发连接数分布129

5.2.3 识别方法132

5.3 基于会话模式和并发连接数的流量识别技术133

5.3.1 连接模式的定义133

5.3.2 连接模式图的建立方法134

5.3.3 连接模式图的常见分类134

5.4 包含服务器间交互行为的会话模式图136

5.4.1 Mail136

5.4.2 Web137

5.4.3 BT（μtorrent）138

5.4.4 P2P（PPLive）139

5.4.5 DNS140

5.4.6 SSH/Telnet140

5.4.7 FTP141

5.4.8 QQ142

5.5 特殊报文类型144

5.5.1 空载荷报文144

5.5.2 重发报文145

5.6 基于端口的流统计特征的识别算法147

5.6.1 端口的统计特征测度的选取147

5.6.2 测度分界值的计算方法148

5.6.3 会话模式分类148

5.6.4 识别算法151

5.7 方法测试153

5.7.1 实验数据153

5.7.2 测试准确性153

5.7.3 测试识别能力155

5.8 本章小结155

参考文献156

6 基于HTTP的网络应用分类方法159

6.1 引言159

6.1.1 HTTP的背景159

6.1.2 研究意义160

6.1.3 相关研究161

6.1.4 现有工作的不足162

6.1.5 本章内容162

6.2 基于HTTP网络应用的特征163

6.2.1 基于HTTP网络应用特征串的特点163

6.2.2 特征串自动提取算法165

6.2.3 会话内连接数特征分析166

6.2.4 POST相关特征分析170

6.2.5 测度的提取方法171

6.3 实际数据分析174

6.3.1 全报文数据174

6.3.2 分类依据175

6.3.3 使用的测度和分类算法175

6.3.4 筛选特征串以提高精度175

6.3.5 数据集大小对分类结果的影响177

6.3.6 使用纯化特征串和大样本得到的结果177

6.4 热门应用的统计分析178

6.4.1 网络视频应用统计分析178

6.4.2 微博应用统计分析182

6.4.3 网络游戏使用统计分析184

6.4.4 三种应用对比186

6.5 本章小结187

参考文献187

7 基于TCP流的网络性能评估189

7.1 研究背景189

7.1.1 网络的精细化管理需求189

7.1.2 研究目标194

7.1.3 基本条件设定195

7.2 网络路径延迟测度分析199

7.2.1 报文RTT和路径拥塞状态关系199

7.2.2 子网间延迟测度Path_RTT的定义201

7.2.3 基于BDTRS的派生测度的定义与应用203

7.2.4 分析实例207

7.3 网络路径丢包测度分析209

7.3.1 子网间网络路径丢包测度定义211

7.3.2 丢包平台基本性质分析及其和TCP流丢包的关系212

7.3.3 基于TCP平行流的Path_Loss估计214

7.3.4 基于平行TCP流估计Path_Loss的算法验证217

7.4 本章小结219

参考文献220

8 基于Google Earth的网络可视化222

8.1 可视化概述222

8.1.1 信息可视化222

8.1.2 Google Earth223

8.1.3 网络可视化现状223

8.1.4 Google Earth的应用229

8.1.5 本章内容230

8.2 网络地理位置的可视化232

8.2.1 数据组织232

8.2.2 地址到经纬度232

8.2.3 地标显示233

7.2.4 连线显示237

8.3 可视化整体的优化239

8.3.1 Google Maps与Google Earth综合239

8.3.2 多地标的可视方法240

8.3.3 通过网段获取位置242

8.4 网络状态的可视化243

8.4.1 检测网络可达性243

8.4.2 数据显示方法244

8.5 可视化实例247

8.5.1 网段地理位置显示247

8.5.2 网络状态显示249

8.5.3 校园网子网可视化250

8.6 本章小结252

参考文献253