摘要
网络流量整形、调度、异常检测、管理与控制及保障QoS需求等都需要了解业务流的局部变化特性.本文给出离散小波及其模极大值的网络流量奇异谱估计算法及影响因素,并通过真实的网络业务数据对算法进行了评估和比较.实验结果表明,两种方法的奇异谱估计能有效刻画网络业务流的局部变化特征,并且能通过奇异谱特征参数之间的差别描述不同业务流之间的差异性,也表明了在一定条件下,离散小波模极大法更加优越.
The analysis of network traffics plays a significant role in many aspects of network engineering, such as network traffic shaping, scheduling, intrusion detection, traffic monitoring, accounting, quality of service （QoS） guarantee, etc. In this paper, we present the singularity spectrum estimation based on discrete wavelet transform and discrete wavelet transform modulus maxima technology including the principle, procedure and condition parameters. We apply them to real network in order to demonstrate the capability of two methods on different network traffics. The experimental results show that both of them are efficient in studying the singularities of the network traffics. And the discrete wavelet transform modulus maxima is more accurate and efficient in detecting singularities of different network traffics by acquiring more different characteristic parameter of the singularity spectrum.
出处
《小型微型计算机系统》
CSCD
北大核心
2011年第4期680-685,共6页
Journal of Chinese Computer Systems
基金
国家自然科学基金-广东联合基金重点项目(U0735002)资助
国家"八六三"高技术研究发展计划项目(2007AA01Z449)资助
国家自然科学基金面上项目(60970146)资助
关键词
网络流量
离散小波变换
离散小波模极大
多重分形
奇异谱
network traffic
discrete wavelet transform （DWT）
discrete wavelet transform modulus maxima （DWTMM）
multifractal
singularity spectrum
作者简介
E—mail：wangbq@mail．sysu．edu．cn王变琴．女，1963年生，高级工程师，博士研究生，研究方向为网络应用识别、行为分析与控制；
余顺争．男，1958年生，教授，博士生导师，研究方向为Intemet流量测量、分析、建模，统计异常检测，无线网络．
