随着互联网的高速发展,网络安全的问题越来越严峻。软件定义网络(SDN)的出现为解决网络安全问题提供了全新的解决方案,如软件定义安全(SDS)。在SDS架构的基础上,针对分布式拒绝服务(DDoS)攻击的特点,提出一种新的DDoS防护机制SDS for D...随着互联网的高速发展,网络安全的问题越来越严峻。软件定义网络(SDN)的出现为解决网络安全问题提供了全新的解决方案,如软件定义安全(SDS)。在SDS架构的基础上,针对分布式拒绝服务(DDoS)攻击的特点,提出一种新的DDoS防护机制SDS for DDoS。这种防护机制结合了以往检测方式和防护方式的优点,将安全服务原子化,并实现安全策略盒的多级防护策略。在受到DDoS攻击时,机制可以根据检测到的攻击力度进行动态决策,还能先验式地对攻击流量进行阻隔,不仅增加了决策的可信度,还解决了以往所采用的静态防护和后验式防护的不足。实验验证了机制的可行性,能有效地避免服务器受到DDoS攻击,更突出了它在决策时的灵活性和在遭受攻击时的先验性。展开更多
预测任务的资源使用状况是提高云平台资源使用率的重要手段之一.然而云计算平台资源使用的动态性、不确定性和突变性使得预测效果有限.为了提高云平台任务的资源使用率预测性能,本文做了如下工作:1)详细地分析了当前主流云平台的资源使...预测任务的资源使用状况是提高云平台资源使用率的重要手段之一.然而云计算平台资源使用的动态性、不确定性和突变性使得预测效果有限.为了提高云平台任务的资源使用率预测性能,本文做了如下工作:1)详细地分析了当前主流云平台的资源使用情况,提炼了云平台任务的资源使用特征;2)根据云平台的特点设计了适合任务的资源使用预测性能评价函数PEFOT(Performance Evaluation Function fOr Tasks,PEFOT);3)设计并实现了一种云平台任务的资源使用率预测方法 REPOTASK(REsource Prediction method fOr TASKs,REPO-TASK).使用Google云平台数据集进行了实验,结果表明,相对于目前已经提出的任务资源使用率预测模型BP和LSTM,REPO-TASK方法具有更好的预测性能,PEFOT值平均下降了3. 2591.展开更多
基于Black-burst的多跳广播方法在车联网环境中能够有效地传播紧急消息,该类方法利用车辆间的Black-burst交互,通过迭代分区快速缩小最佳候选车辆的竞争范围,从而实现减少竞争冲突和提高紧急消息传播速度的目的.然而,现有这类方法的迭...基于Black-burst的多跳广播方法在车联网环境中能够有效地传播紧急消息,该类方法利用车辆间的Black-burst交互,通过迭代分区快速缩小最佳候选车辆的竞争范围,从而实现减少竞争冲突和提高紧急消息传播速度的目的.然而,现有这类方法的迭代分区机制较为固定,没有考虑车流密度对分区机制效果的影响.针对上述问题,本文提出了一种基于动态迭代分区机制的多跳广播(Dynamic and Iterative Partitioning Scheme based Multi-hop Broadcast,DIPS-MB)方法,该方法首先估算当前的车流密度,并利用Black-burst交互确定最佳的迭代分区机制,在尽可能减少冲突区域的前提下缩小了寻找最佳中继车辆的时间.数学分析和仿真实验验证了DIPS-MB方法的有效性.与同类型方法进行对比,基于DIPS-MB的紧急消息在动态车流环境中具有更小的单跳时延和更快的传播速度.展开更多
文摘随着互联网的高速发展,网络安全的问题越来越严峻。软件定义网络(SDN)的出现为解决网络安全问题提供了全新的解决方案,如软件定义安全(SDS)。在SDS架构的基础上,针对分布式拒绝服务(DDoS)攻击的特点,提出一种新的DDoS防护机制SDS for DDoS。这种防护机制结合了以往检测方式和防护方式的优点,将安全服务原子化,并实现安全策略盒的多级防护策略。在受到DDoS攻击时,机制可以根据检测到的攻击力度进行动态决策,还能先验式地对攻击流量进行阻隔,不仅增加了决策的可信度,还解决了以往所采用的静态防护和后验式防护的不足。实验验证了机制的可行性,能有效地避免服务器受到DDoS攻击,更突出了它在决策时的灵活性和在遭受攻击时的先验性。
文摘预测任务的资源使用状况是提高云平台资源使用率的重要手段之一.然而云计算平台资源使用的动态性、不确定性和突变性使得预测效果有限.为了提高云平台任务的资源使用率预测性能,本文做了如下工作:1)详细地分析了当前主流云平台的资源使用情况,提炼了云平台任务的资源使用特征;2)根据云平台的特点设计了适合任务的资源使用预测性能评价函数PEFOT(Performance Evaluation Function fOr Tasks,PEFOT);3)设计并实现了一种云平台任务的资源使用率预测方法 REPOTASK(REsource Prediction method fOr TASKs,REPO-TASK).使用Google云平台数据集进行了实验,结果表明,相对于目前已经提出的任务资源使用率预测模型BP和LSTM,REPO-TASK方法具有更好的预测性能,PEFOT值平均下降了3. 2591.
文摘基于Black-burst的多跳广播方法在车联网环境中能够有效地传播紧急消息,该类方法利用车辆间的Black-burst交互,通过迭代分区快速缩小最佳候选车辆的竞争范围,从而实现减少竞争冲突和提高紧急消息传播速度的目的.然而,现有这类方法的迭代分区机制较为固定,没有考虑车流密度对分区机制效果的影响.针对上述问题,本文提出了一种基于动态迭代分区机制的多跳广播(Dynamic and Iterative Partitioning Scheme based Multi-hop Broadcast,DIPS-MB)方法,该方法首先估算当前的车流密度,并利用Black-burst交互确定最佳的迭代分区机制,在尽可能减少冲突区域的前提下缩小了寻找最佳中继车辆的时间.数学分析和仿真实验验证了DIPS-MB方法的有效性.与同类型方法进行对比,基于DIPS-MB的紧急消息在动态车流环境中具有更小的单跳时延和更快的传播速度.
