互联网流测量

作　者：	程光龚俭
出版社：	东南大学出版社
丛编项：
版权说明：	本书为公共版权或经版权方授权，请支持正版图书
标　签：	网络配置与管理

ISBN	出版时间	包装	开本	页数	字数
未知	暂无	暂无	未知	0	暂无

作者简介

　　程光，安徽黄山人，东南大学计算机科学与工程学院副教授，硕士生导师。2003年3月东南大学计算机应用技术专业博士毕业，2006—2007在美国佐治亚理工大学电子与计算机工程学院进行博士后研究。研究领域主要涉及：网络测量、流量模型、流量行为分析、网络安全、抽样技术等。先后负责、参加国家973项目、863项目、国家科技支撑计划、国家自然基金项目、教育部重点基础研究项目、江苏省自然基础科学研究等10多项纵向课题研究。近年来在国内外期刊及会议上发表论文50余篇，其中SCI、EI、ISTP等三大检索30篇。获得项目鉴定1项，软件注册2项，专利申请5项，授权专利1项。撰写教材3部，其中一部为“国家十一五”规划教材。2004年获得“华英青年学者”称号，2006年获得“东南大学优秀青年教师教学科研资助计划”支持。龚俭，现任东南大学计算机科学与工程学院教授，博士生导师；中国教育和科研计算机网CERNET专家委员会委员；教育部现代远程教育专家委员会委员；CERNET华东（北）地区网络中心主任，江苏省计算机网络技术重点实验室主仟，IEEE会员，中国电子学会和中国计算机学会高级会员，江苏省互联网协会副理事长。20世纪80年代中期开始从事计算机网络方面的教学与科研工作，涉及的研究领域包括开放系统百连理论及其应用、开放分布式处理理论及其应用、计算机互联网络工程、网络管珲和网络安全等方面。1994年起参加中国教育和科研计算机网CERNET的建设与管珲，1995年起主持江苏省教育和科研计算机网JSERNET的建设与管理。在国内外学术刊物和学术会议上发表学术论文100余篇，编著出版教材2部；主持承担国家和省部级科研项目10余项，取得利技成果鉴定11项：获国家科技进步二等奖2项，国冢科技进步三等奖1项，省部级科技进步一一等奖4项，省部级科技进步二等奖3项，省部级优秀教材一等奖1项，全国普通高校优秀教材二等奖1项。1 998年被遴选为江苏省“333工程”第二层次培养对象，1 999年获政府特殊津贴，2002年被遴选为江苏省“333工程”第一层次培养对象。

内容简介

本著作讨论互联网流的测量相关技术，实现对互联网流行为的实时检测和分析，进行网络流的近似测量技术研究和流量行为分析。本著作是作者在互联网流量测量领域长期的研究工作总结，也是作者承担国家各类科研项目的研究成果总结。本著作的出版对互联网技术的研究具有重要的基础性贡献。本著作分为四个部分：互联网流测量技术基础、抽样测量技术、互联网流测度行为规律、互联网流测量系统。测量技术基础分两章介绍互联网流测量的相关研究状况和流测量研究中所涉及的数学基础理论。抽样测量技术分别在第3章至第6章进行讨论，涉及内容为：基于分组标识的抽样测量模型、基于互联网流的哈希算法、互联网流长度估计方法、自适应超流检测方法等4个部分。互联网流测度行为规律研究内容分别在第7章至第13章进行讨论，涉及内容为：网络行为测度、互联网流量统计行为、网络流流长度分布分析、网络流流速特征分析、网络流流速和到达行为分析与模型、网络流量行为分析模型、TCP宏观平衡性分析等7个部分。互联网流测量系统包括高速网络报文测量器、高速网络流量测量平台等。本著作适合作为网络测量、网络行为学、网络安全、网络体系结构相关研究人员的参考用书，也可作为网络测量相关课程的教材。

图书目录

1 互联网流测量概述

1.1 流量测量的必要性

1.2 网络测量技术

1.2.1 主动测量技术

1.2.2 被动测量技术

1.2.3 测量体系结构

1.2.4 抽样测量技术

1.3 互联网流测量技术

1.3.1 互联网流的定义

1.3.2 IP流特性描述

1.3.3 IP流测量研究

1.3.4 IP流特性研究

1.4 流量统计行为的研究

1.4.1 统计行为研究状况

1.4.2 流量自相似模型

1.4.3 网络流量预测模型

参考文献

2 测量统计数学基础

2.1 抽样理论

2.1.1 简单随机抽样

2.1.2 样本容量确定

2.1.3 分层抽样

2.1.4 整群抽样

2.2 概率论

2.2.1 概率空间

2.2.2 条件概率

2.2.3 大数定理和中心极限定理

2.3 估计理论

2.3.1 回归系统的最小二乘估计

2.3.2 极大似然估计

2.3.3 EM算法

2.4 研究结论与展望

参考文献

3 基于分组标识的抽样测量模型

3.1 引言

3.1.1 问题提出

3.1.2 相关研究

3.1.3 研究难点

3.2 抽样模型概念

3.2.1 概念定义

3.2.2 抽样测量模型

3.3 流量比特随机性分析

3.3.1 IP报头位熵分析

3.3.2 位流熵分析

3.4 测量样本随机性分析

3.4.1 抽样模型随机性分析

3.4.2 抽样样本统计属性分析

3.4.3 不同测量点的标识字段随机性比较

3.5 基于标识字段的多掩码抽样算法

3.5.1 标识字段属性分析

3.5.2 模型描述

3.5.3 抽样算法

3.5.4 改进算法

3.6 基于标识字段的抽样算法性能比较

3.6.1 基于标识字段的其他算法

3.6.2 性能比较

3.6.3 改进抽样算法和随机算法的比较

3.7 误差修正

3.7.1 标识0的误差修正算法

3.7.2 标识0抽样比率预测模型

3.8 研究结论和展望

参考文献

4 基于互联网流的哈希算法

4.1 引言

4.2 测度定义

4.2.1 随机性

4.2.2 均匀性

4.2.3 冲突性

4.2.4 活跃流评估

4.2.5 计算速度

4.3 比特随机运算的分析

4.3.1 二元比特运算分析

4.3.2 异或运算分析

4.3.3 位移运算分析

4.4 台希算法

4.4.1 异或位移哈希算法

4.4.2 IPSX哈希算法

4.4.3 CRC32台希算法

4.4.4 Bob哈希算法

4.4.5 MD5哈希算法

4.5 哈希算法比较分析

4.5.1 随机性比较

4.5.2 卡方检验

4.5.3 冲突率的比较

4.5.4 活跃流评估

4.5.5 速度比较

4.6 研究结论与展望

参考文献

5 互联网流长度估计方法

5.1 引言

5.1.1 问题提出

5.1.2 相关研究

5.1.3 研究难点

5.2 基于概率模型的流长度估计

5.2.1 原始流长度分布概率模型

5.2.2 最大概率法估计模型

5.2.3 不同分布估计的比较

5.3 流长度分布估计

5.3.1 流分类

5.3.2 长流估计

5.3.3 短流估计

5.4 实验分析

5.5 研究结论和展望

参考文献

6 自适应超点检测方法

6.1 引言

6.2 相关研究

6.3 自适应超点检测算法

6.3.1 算法概述

6.3.2 更新过程

6.3.3 自适应过程

6.4 算法空间分析

6.4.1 Bitmap内存空间

6.4.2 IP哈希链表内存空间

6.5 SDAS算法实验分析

6.5.1 实验说明

6.5.2 算法性能比较

6.5.3 自适应超点检测算法性能分析

6.6 研究结论与展望

参考文献

7 流量行为测度研究

7.1 引言

7.2 流量行为属性

7.2.1 流量统计属性

7.2.2 端至端性能属性

7.3 总体目标量函数

7.4 统计分布函数

7.4.1 流量总体和样本

7.4.2 流量数据分组

7.4.3 统计测度函数

7.5 网给行为测度形式化定义

7.6 研究结论与展望

8 高速网络流量统计行为研究

9 互联网流长度分布分析

10 IP流流速特征分析

11 IP流到达相关特征及模型

12 网络流量行为分析模型

13 TCP宏观平衡性分析

14 高速网络报文测量器

15 高速网络流量测量平台