刘远超 彭兆军

摘要：提出一种融合帧差循环控制的网络流量监测模型，分析了网络流量在网络空间中的数据分布结构，进行网络流量的信号模型时间序列分析，采用融合帧差循环控制方法进行流量信息调度，实现流量的准确预测。仿真结果表明，利用该模型进行网络流量预测精度较高，对异常流量的挖掘准确性较好，可提高网络流量的检测能力。

关键词：网络流量；流量监测；时间序列分析

DOIDOI：10.11907/rjdk.161044

中图分类号：TP393

文献标识码：A 文章编号：1672-7800（2016）005-0179-03

0 引言

随着网络信息技术的不断发展，大量媒体信息以网络流量的形式在网络空间中传输。网络流量涵盖了不同的信息特征，包括有用信息和无用信息，需要对网络流量进行准确的监测和数据挖掘，以发现异常信息特征，并通过网络流量的预测，实现对网络空间流量信息的控制和监管，避免信息冗余和网络拥堵。相关的算法研究在网络安全和网络控制等领域具有较高的应用价值。

由于复杂网络环境流量监测平台的开源性和无限扩展性，对复杂网络环境流量的监测需要采用信息传感和数据传感技术，通过对网络流量的特征信息提取，分析网络流量的状态信息特征，并采用信息和信号处理方法，进行网络流量的预测。传统方法中，对网络流量的监测主要有优先级列表的网络流量预测和监测算法、循环堆栈控制算法、基于混合粒子群的网络流量预测和监测算法、基于神经网络控制的复杂网络环境流量监测平台环境下的网络流量预测和监测算法等[1-3]。其中，采用小波变换的流量序列尺度耦合分析方法，在多路由网络总线中，设置路由分布规则，实现网络流量的监测。网络流量的监测任务指令是通过路由分发协议同时对多个路由进行分配，通过小波尺度耦合分析，实现复杂网络环境流量监测平台多分簇网络流量预测，取得了一定效果。但传统方法在网络流量预测中存在非线性失真和监测误差较大等问题，需要进行算法改进设计。对此，文献[4]提出一种基于模拟淬火算法的网络流量监测算法，对路由接收的调度任务指令数量作出有效预测，从而实现流量预测，但是该算法计算开销较大，实时性不好；文献[5]提出一种基于K-means聚类算法的复杂网络环境流量监测平台下的流量预测算法，可提高网络监测的性能和控制能力，但该算法在进行网络流量监测过程中，随着信息量的增大，对网络流量监测的收敛性不好，任务信息的融合性能不高；文献[6]提出采用统计模型分析方法进行网络流量监测，在干扰较小的情况下，网络流量的监测性能较好，但是在强网络环境干扰下，统计性能较差。针对上述问题，本文提出一种融合帧差循环控制的网络流量监测模型。首先分析了网络流量在网络空间中的数据分布结构，然后进行网络流量的信号模型构建，以此为基础采用融合帧差循环控制方法进行流量信息调度，以实现流量的准确预测。通过仿真实验进行了性能测试，得出有效性结论。

1 网络流量分布数据结构和信号模型构建

1.1 网络流量分布数据结构

为了提高复杂网络环境流量监测平台下的实时流量监测和预测性能，研究网络流量预测和监测优化算法，首先分析混合服务器下的复杂网络环境流量监测平台体系结构模型。网络流量分布都是无规则分布的，构建一个多元整合的树形网络流量分布结构模型，如图1所示。

在复杂网络环境流量监测平台下，网络流量通过GPRS或3G、WiFi等网络传输协议进行流量信息的传输和通信。采用功率自激网络路由器模型进行流量信息的存储和数据传输，复杂网络环境流量监测平台可以存储流量信息的内容，功率自激网络路由器的CS通过缓存存储频繁访问的耗散内容，产生缓存污染攻击。缓存污染攻击的命中率依赖于每个路由器需要的存储空间大小，与域间传输阈值的设定直接相关。假设功率自激网络路由的内容流行度服从Zipf分布，每个路由器采用最理想的存储替换策略，得到每个路由遭到缓存污染攻击的命中率为：

2 流量监测模型优化与实现

在信号模型构建的基础上，进行网络流量预测算法优化设计，通过对网络流量的实时监测和预测，在保障网络畅通的同时可以有效检测异常网络信息，保障网络安全。当前的统计模型分析方法进行网络流量监测时，在强网络环境干扰下，对流量的统计性能不好。为了克服传统方法的弊端，本文提出一种融合帧差循环控制的网络流量监测模型。帧差循环控制主控制器是整个网络异常流量监控的核心，监控体系由多个组件（component）连接（wired）构成。在大量流量交互中通过帧差循环控制来发现具有统计显著性的特征或模式，一方面包含某时刻网络的静态结构规律，另一方面包含某时期流量特征信息的动态演化规律，记为Law=fdiscovering（Isemantic）。在帧差循环控制中心之间进行网络流量预测和监测的最优跳数hop_countopt为d/d0」或「d/d0，控制时序特征的欧式聚类中心距离满足：

由图3可见，采用本文算法能有效挖掘流量的幅度和频率等信息特征，实现流量的准确预测，提高对异常流量的监控性能。

参考文献：

[1]陆兴华，陈平华.基于定量递归联合熵特征重构的缓冲区流量预测算法[J].计算机科学，2015，42（4）：68-71.

[2]邸珩烨.基于多径码间干扰滤波的短波通信优化[J].物联网技术，2015，5（10）：47-48，52.

[3]刘昊晨，梁红.线性调频信号参数估计和仿真研究[J].计算机仿真，2011，10（14）：157-159.

[4]宋玉石，张云，袁国良.Galileo在轨验证卫星的性能研究[J].电子设计工程，2015（19）：1-4.

[5]刘少伟，孔令梅，任开军，等.云环境下优化科学工作流执行性能的两阶段数据放置与任务调度策略[J].计算机学报，2011，34（11）：2021-2130.

[6]孟宪福，解文利.基于免疫算法多目标约束P2P任务调度策略研究[J].电子学报，2011，39（1）：101-107.

（责任编辑：黄 健）