2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩139頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、近年來,全球互聯(lián)網(wǎng)絡(luò)頻繁遭受攻擊,導(dǎo)致網(wǎng)絡(luò)大面積癱瘓。隨著我國經(jīng)濟(jì)的發(fā)展和網(wǎng)絡(luò)信息化水平的提高,大規(guī)模網(wǎng)絡(luò)攻擊、網(wǎng)絡(luò)經(jīng)濟(jì)犯罪等安全事件也不可避免。因此,需要對大規(guī)模網(wǎng)絡(luò)安全事件進(jìn)行有效地監(jiān)控。骨干網(wǎng)監(jiān)控中,數(shù)據(jù)包級別監(jiān)測面臨著海量的數(shù)據(jù)處理,無論是系統(tǒng)的存儲能力、處理能力還是傳輸能力都受到了極大地挑戰(zhàn)。流(Flow)監(jiān)測為骨干網(wǎng)監(jiān)控開辟了新的途徑,通過把數(shù)據(jù)包歸并到流中極大地壓縮了數(shù)據(jù)量,使得對網(wǎng)絡(luò)數(shù)據(jù)的存儲、處理和傳輸更為容易。本文主

2、要研究了特定屬性流的提?。ù罅髯R別、并行及分布式大流識別、高速流識別)和基于流的網(wǎng)絡(luò)監(jiān)測系統(tǒng)及端口掃描檢測。
  論文的主要內(nèi)容如下:
  (1)大流識別:本文使用相對流量大小定義大流,即對于一個(gè)給定的閾值,將所有與鏈路實(shí)際傳輸總流量的比值超過一定值的流定義為大流。在該定義下,大流的識別問題等價(jià)于帶權(quán)值數(shù)據(jù)流中的頻繁項(xiàng)挖掘問題。由于骨干網(wǎng)鏈路速度快,對單個(gè)數(shù)據(jù)包的處理必須在納秒級完成,因此對算法的實(shí)時(shí)性要求更高。在帶權(quán)值數(shù)據(jù)

3、流的頻繁項(xiàng)挖掘研究中,目前還沒有單數(shù)據(jù)項(xiàng)最壞處理時(shí)間為O(1)的算法。本文提出一個(gè)新的帶權(quán)值數(shù)據(jù)流頻繁項(xiàng)挖掘算法WLC(Weighted Lossy Counting),通過設(shè)定合適的參數(shù)值能夠提供單數(shù)據(jù)項(xiàng)最壞處理時(shí)間為O(1)的處理速度。WLC采用一個(gè)部分排序的數(shù)據(jù)結(jié)構(gòu)POSS(Partially-Ordered-Stream-Summary),能夠在保證處理速度的同時(shí),盡量降低算法的存儲開銷。通過實(shí)際的互聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行對比實(shí)驗(yàn),結(jié)果表

4、明:與現(xiàn)有的算法相比,WLC具有更快的處理速度,同時(shí)算法的實(shí)際存儲開銷遠(yuǎn)小于其理論上界。
  (2)并行及分布式大流識別:近年來多核處理器飛速發(fā)展,為充分挖掘多核帶來的計(jì)算潛力,本文又研究了帶權(quán)值數(shù)據(jù)流頻繁項(xiàng)挖掘算法的并行化方法。首先設(shè)計(jì)了一個(gè)細(xì)粒度加鎖法(Fine-grained Lock Method),通過實(shí)驗(yàn)發(fā)現(xiàn)存在很高的競爭開銷。這是因?yàn)楫?dāng)共享的資源被一個(gè)線程占用時(shí),其他所有需要使用該資源的線程都必須等待。為了盡量減少等

5、待,又提出了一個(gè)精度合成法(Precision Integrated Method,PRIM),其中每個(gè)線程均有獨(dú)占的數(shù)據(jù)結(jié)構(gòu),不需要共享任何數(shù)據(jù)或者信息。PRIM采用了數(shù)據(jù)分解(數(shù)據(jù)并行)的并行化方法,為得到正確的全局頻繁項(xiàng),需要對各線程中的數(shù)據(jù)項(xiàng)進(jìn)行匯聚。PRIM對本地線程中的數(shù)據(jù)項(xiàng)進(jìn)行預(yù)判,只有當(dāng)它有可能為頻繁項(xiàng)時(shí)才將其發(fā)送到匯聚線程進(jìn)行匯聚,因此大大地降低了由匯聚帶來的開銷。通過實(shí)際的互聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行對比實(shí)驗(yàn),結(jié)果表明:PRIM能

6、夠提供較好的加速比。最后,又給出了PRIM在分布式大流監(jiān)控中的應(yīng)用。
  (3)高速流識別:當(dāng)前的高速流識別算法無法根據(jù)用戶的需求控制識別精度,并且需要存儲抽樣到的每一條流,導(dǎo)致存儲開銷較大。為此,本文提出了能夠控制識別精度和降低存儲開銷的高速流識別算法TSPRT(Truncated Sequential Probability Ratio Test)。TSPRT不僅可以通過設(shè)定參數(shù)控制識別精度,而且可以通過序貫檢驗(yàn)提前淘汰低速流

7、和識別高速流,從而降低存儲開銷和減少識別時(shí)間。為方便用戶設(shè)定參數(shù),本文提出了兩種參數(shù)選取方法:存儲開銷優(yōu)化法(TSPRT-M)和識別時(shí)間優(yōu)化法(TSPRT-T),同時(shí)又對TSPRT的高速流識別精度進(jìn)行了理論分析。通過實(shí)際的互聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行對比實(shí)驗(yàn),結(jié)果表明:TSPRT能夠有效地降低存儲開銷,減少所需的識別時(shí)間。
  (4)基于流的網(wǎng)絡(luò)監(jiān)測系統(tǒng)及端口掃描檢測:當(dāng)前已有許多基于流的網(wǎng)絡(luò)監(jiān)測系統(tǒng),但是僅支持大規(guī)模存儲,或者僅支持實(shí)時(shí)檢測,

8、本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于流的網(wǎng)絡(luò)監(jiān)測原型系統(tǒng),既能支持大規(guī)模存儲又能支持實(shí)時(shí)檢測。同時(shí)針對當(dāng)前骨干網(wǎng)上端口掃描檢測的漏報(bào)率和誤報(bào)率較高的問題,本文又提出了一個(gè)基于流的端口掃描檢測算法TFDS(Time Based Flow Size Distribution Sequential Hypothesis Testing)。由于多數(shù)掃描主機(jī)的流為由1到2個(gè)數(shù)據(jù)包組成的小流,因此TFDS采用流大小分布(Flow Size Distributi

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論