-
公开(公告)号：CN107135170B
公开(公告)日：2019-12-24
申请号：CN201710296202.9
申请日：2017-04-28
申请人： 中国人民解放军信息工程大学
IPC分类号： H04L12/865 , H04L12/863 , H04L12/851
摘要： 本发明涉及计算机网络领域，尤其涉及一种内容中心网络的高质量QoS保证方法，能够在内容中心网络的路由节点上添加内容识别表实现内容感知，通过活跃值实现不同内容特征数据包的优先级区分传输，提高网络的吞吐量，从而为用户需求的内容提供高质量的QoS保证，包括以下内容：根据内容中心网络的内容数据信息，得到网络中流量分类识别表；根据内容中心网络的节点中内容特征的流行度信息，得到不同内容特征的活跃度分类；根据不同内容特征的活跃度信息，建立不同的优先级传输队列；根据不同内容特征的活跃度信息和优先级判决门限，得到不同内容数据包获得高优先级的概率；根据不同内容数据包获得高优先级的概率，完成不同的优先级传输队列的调度操作。
-
公开(公告)号：CN107135170A
公开(公告)日：2017-09-05
申请号：CN201710296202.9
申请日：2017-04-28
申请人： 中国人民解放军信息工程大学
IPC分类号： H04L12/865 , H04L12/863 , H04L12/851
摘要： 本发明涉及计算机网络领域，尤其涉及一种内容中心网络的高质量QoS保证方法，能够在内容中心网络的路由节点上添加内容识别表实现内容感知，通过活跃值实现不同内容特征数据包的优先级区分传输，提高网络的吞吐量，从而为用户需求的内容提供高质量的QoS保证，包括以下内容：根据内容中心网络的内容数据信息，得到网络中流量分类识别表；根据内容中心网络的节点中内容特征的流行度信息，得到不同内容特征的活跃度分类；根据不同内容特征的活跃度信息，建立不同的优先级传输队列；根据不同内容特征的活跃度信息和优先级判决门限，得到不同内容数据包获得高优先级的概率；根据不同内容数据包获得高优先级的概率，完成不同的优先级传输队列的调度操作。
-
公开(公告)号：CN106878289A
公开(公告)日：2017-06-20
申请号：CN201710045991.9
申请日：2017-01-22
申请人： 中国人民解放军信息工程大学
CPC分类号： H04L63/1416 , G06F16/90344
摘要： 本发明涉及一种基于多维模板有限自动机TMFA的正则表达式匹配方法及其装置，该装置包含：规则分组模板获取模块，用于根据输入特性构建正则表达式规则分组模板信息；规则集分组模块，用于根据规则分组模板信息，将规则集划分为若干个规则子集；匹配引擎模块，用于根据系统结构构建匹配引擎；字符快速匹配模块，用于根据多维模板有限自动机TMFA的匹配引擎，对待匹配数据中不同字符的数据进行快速匹配。本发明提高正则表达式高速低存储的能力，为入侵检测系统提供可靠的性能保证；提升正则表达式的匹配时间复杂度、状态空间复杂度以及存储空间复杂度；提供对入侵检测系统中根据规则模板进行快速匹配的可靠性能，从而降低匹配时间。
-
公开(公告)号：CN106899448B
公开(公告)日：2019-06-28
申请号：CN201710045997.6
申请日：2017-01-22
申请人： 中国人民解放军信息工程大学
摘要： 本发明涉及一种适用于网络状态及性能测量的一体化动态赋权评估方法，包含：分别对当前评估周期中网络目标主机状态、用户体验质量及网络链路流量变化进行测量，获取指标测量数据；分别对网络目标主机状态、用户体验质量及网络链路流量变化对应的指标测量数据进行归一化处理，获取对应的评估值；对评估值进行层次化动态赋权，通过评估模型完成当前评估周期中网络状态及性能的一体化评估，确定网络目标主机状态、用户体验质量及网络链路流量变化的三项权值，进入下一评估周期。本发明综合考虑网络目标主机状态，链路流量变化和网络用户体验质量因素，采取层次化动态赋权的方法，对网络状态及性能进行一体化评估，实时性好、评价全面准确、扩展性强。
-
公开(公告)号：CN107070803A
公开(公告)日：2017-08-18
申请号：CN201710035836.9
申请日：2017-01-18
申请人： 中国人民解放军信息工程大学
IPC分类号： H04L12/801
CPC分类号： H04L47/10 , H04L47/12 , H04L47/127
摘要： 本发属于计算机网络技术领域，具体涉及一种适用于多路径网络通信的拥塞控制方法，包括：将多路径网络通信拥塞控制转化为多路径带宽资源利用率最大化问题；引入链路价格和源端发送速率作为变量简化多路径带宽资源利用最大化问题；将资源利用最大化问题转化为可分解成多个子问题的方法；基于子问题设计了分布式算法；利用了设计了基于窗口的拥塞控制方法。与现有技术相比，本发明具有以下优点：简单易实现，将多路径网络的拥塞控制问题转化为多路径网络资源利用率最大化问题，引入源端发送速率和链路价格两个变量，简化了资源利用率最大化问题；将链路价格考虑进资源利用率问题，使用户和网络服务商从经济的角度来体验和提供服务，更具实际意义。
-
公开(公告)号：CN106899448A
公开(公告)日：2017-06-27
申请号：CN201710045997.6
申请日：2017-01-22
申请人： 中国人民解放军信息工程大学
摘要： 本发明涉及一种适用于网络状态及性能测量的一体化动态赋权评估方法，包含：分别对当前评估周期中网络目标主机状态、用户体验质量及网络链路流量变化进行测量，获取指标测量数据；分别对网络目标主机状态、用户体验质量及网络链路流量变化对应的指标测量数据进行归一化处理，获取对应的评估值；对评估值进行层次化动态赋权，通过评估模型完成当前评估周期中网络状态及性能的一体化评估，确定网络目标主机状态、用户体验质量及网络链路流量变化的三项权值，进入下一评估周期。本发明综合考虑网络目标主机状态，链路流量变化和网络用户体验质量因素，采取层次化动态赋权的方法，对网络状态及性能进行一体化评估，实时性好、评价全面准确、扩展性强。
-
公开(公告)号：CN106850344B
公开(公告)日：2019-10-29
申请号：CN201710045963.7
申请日：2017-01-22
申请人： 中国人民解放军信息工程大学
IPC分类号： H04L12/26 , H04L12/851 , H04L29/06
摘要： 本发明涉及一种基于流梯度导向的加密流量识别方法，首先计算已知训练集合中数据流梯度导向关键标识，提取网络数据流量并进行关键标识分析，分别计算网络中目标加密流量业务与非目标加密流量业务的关键标识；针对待测量未知数据流，计算其导向关键标识，及未知流关键标识与目标以及非目标加密流量业务关键标识相关偏移量，判断两者相关偏移量大小，进而判定该未知流为目标加密流量业务，或为非目标加密流量业务。本发明识别率高，易用性强；对任意网络加密流识别均具有适用性，支持网络的演进，对于未来可能出现的网络加密流识别也可以兼容。
-
公开(公告)号：CN106850344A
公开(公告)日：2017-06-13
申请号：CN201710045963.7
申请日：2017-01-22
申请人： 中国人民解放军信息工程大学
IPC分类号： H04L12/26 , H04L12/851 , H04L29/06
摘要： 本发明涉及一种基于流梯度导向的加密流量识别方法，首先计算已知训练集合中数据流梯度导向关键标识，提取网络数据流量并进行关键标识分析，分别计算网络中目标加密流量业务与非目标加密流量业务的关键标识；针对待测量未知数据流，计算其导向关键标识，及未知流关键标识与目标以及非目标加密流量业务关键标识相关偏移量，判断两者相关偏移量大小，进而判定该未知流为目标加密流量业务，或为非目标加密流量业务。本发明识别率高，易用性强；对任意网络加密流识别均具有适用性，支持网络的演进，对于未来可能出现的网络加密流识别也可以兼容。
-
公开(公告)号：CN106789444A
公开(公告)日：2017-05-31
申请号：CN201710046224.X
申请日：2017-01-22
申请人： 中国人民解放军信息工程大学
CPC分类号： H04L43/024 , H04L41/142 , H04L43/022 , H04L43/0876
摘要： 本发明涉及网络流量测量领域，具体涉及一种基于流数约减的自适应公平抽样方法，该方法包括：根据到达分组是否属于已有流表项，得到不同的网络流公平性抽样策略；根据流数约减对该分组所属流进行大小流区分计数，得到选择性抽取比例，建立存储器缓存中的流表项；根据新流表项到达测量点的速度进行自适应抽取，得到流个数整体压缩的所有样本流集合；根据所有样本流集合的流量大小分布特征，提出一个新的抽样概率函数簇；根据概率函数簇对样本流集合进行公平抽样，得到样本中大小流的公平性抽样结果。本发明能够实现网络流量测量中抽样算法统计结果高的准确性，同时不仅能够解决高速链路上抽样算法的扩展性问题，还能有效提高算法的公平性。
-
公开(公告)号：CN106789346A
公开(公告)日：2017-05-31
申请号：CN201710046223.5
申请日：2017-01-22
申请人： 中国人民解放军信息工程大学
IPC分类号： H04L12/24 , H04L12/801 , H04L12/927
CPC分类号： H04L47/808 , H04L41/0631 , H04L47/10 , H04L47/80
摘要： 本发明属于计算机网络的用户行为分析技术领域，具体的涉及一种基于用户连接图的深度行为关联方法，该方法包括：根据网络中报文的IP地址、端口号和协议号，构造用户连接图；根据用户连接图，基于用户的相邻通信关系，构造行为关联矩阵；根据行为关联矩阵，利用K‑means聚簇方法，划分得到不同的用户社团；根据用户社团，基于熟知端口号和常用端口号，得到用户社团内任意用户结点行为标识；根据用户社团内任意用户结点的行为标识，采用多数投票方法，得到用户社团整体行为标识。与现有技术相比，本发明不依赖于负载信息和基于流的统计信息，克服了“模型失配”问题，提高了用户行为深度关联分析的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.034 秒)
