自相似网络流量仿真与性能分析

论文摘要

随着各种网络业务的飞速发展,通信技术的发展还不能满足用户的需求。我们需要找到能准确描述网络流量特征的模型,对网络拥塞控制、带宽分配及网络性能评价等问题作进一步的研究。自相似性可以对网络的行为特征产生重大影响,因此,自相似流量下的网络性能分析、评价及其应用研究就成为国内外学术界研究的热点和难点。本文在深入分析自相似网络流量相关理论的基础上,对自相似网络流量进行仿真研究。首先具体介绍网络流量的自相似特性,包括自相似的一般定义及其特性,分析网络流量产生自相似性的若干原因。其次,介绍了目前主要的自相似网络流量模型,重点讨论了ON/OFF模型及其关键参数,并通过直接叠加多个相互独立的ON/OFF源生成了自相似的网络流量。再次,详细论述了描述流量自相似程度的Hurst指数的常见估值方法,包括部分关键算法的实现及对算法的评价。对于软件仿真产生的自相似流量以及采集到的特定业务的真实网络流量,运用不同的算法进行了Hurst指数的估计,并讨论了不同条件下对Hurst指数的影响因素。最后,分析讨论了Hurst指数对自相似网络性能的影响。介绍了网络性能的评价指标,并在不同Hurst指数下,对排队时延、丢包率分别与队列服务速率之间的关系作了初步分析。通过比较Hurst指数,可以检测网络流量是否异常,并进一步分析产生异常的原因。在这个意义上,对网络安全(如IDS)以及新一代通信网络系统的设计分析、性能评价提供了非常重要的理论依据和应用基础。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 序
• 1 引言
• 1.1 课题研究背景
• 1.2 课题研究意义
• 1.3 国内外研究现状
• 1.4 主要研究工作及论文组织结构
• 2 网络流量的自相似性
• 2.1 分形与自相似现象
• 2.2 自相似过程
• 2.2.1 自相似过程的定义
• 2.2.2 长相关性和短相关性
• 2.2.3 慢衰减方差
• 2.3 重尾分布
• 2.3.1 重尾和重尾分布
• 2.3.2 Pareto分布
• 2.4 自相似网络流量
• 2.4.1 标度现象
• 2.4.2 自相似网络流量产生的原因
• 3 自相似网络流量模型与流量生成
• 3.1 自相似网络流量模型
• 3.1.1 基于分形布朗运动和分形高斯噪声模型
• 3.1.2 FARIMA（p,d,q）过程模型
• 3.1.3 M/G/∞排队模型
• 3.2 ON/OFF模型
• 3.2.1 ON/OFF数据源叠加模型
• 3.2.2 ON/OFF模型的关键参数
• 3.3 基于 ON/OFF模型的自相似流量生成
• 4 自相似网络流量仿真与性能分析
• 4.1 网络仿真技术与工具
• 4.1.1 网络仿真技术
• 4.1.2 网络仿真工具
• 4.2 基于 ON/OFF模型的自相似流量仿真
• 4.2.1 进程模型
• 4.2.2 节点模型
• 4.2.3 网络模型
• 4.3 网络流量采集及其数据预处理
• 4.3.1 网络流量数据的采集
• 4.3.2 原始数据的预处理
• 4.4 网络流量的 Hurst指数估计
• 4.4.1 时域法
• 4.4.2 频域法
• 4.4.3 Hurst指数估值结果
• 4.5 自相似网络性能分析
• 4.5.1 网络性能评价指标
• 4.5.2 Hurst指数对自相似网络性能的影响
• 5 结论
• 参考文献
• 附录A
• 缩写词索引
• 作者简历
• 学位论文数据集