基于Sketch的网络行为测量关键技术与系统
批准号:
U20A20179
项目类别:
联合基金项目
资助金额:
260.0 万元
负责人:
杨仝
依托单位:
学科分类:
计算机网络
结题年份:
2024
批准年份:
2020
项目状态:
已结题
项目参与者:
杨仝
中文摘要
网络行为测量是对网络流量的特征和变化趋势进行测量和分析,可以解决网络运营、容量规划、网络账户计费、拥塞控制、流量调度、流量异常检测等问题。本项目基于Sketch算法研究两类网络行为测量:流量特征行为测量和网络异常行为测量。首先,为了完善网络行为测量的基础理论,本项目研究Sketch算法的误差理论和无偏理论。其次,本项目针对软件定义网络和时间敏感网络研究网络行为测量新方法。再次,本项目研究适合不同未来网络环境的流量特征及其提取方法。最后,本项目研究基于意图的网络行为测量技术,通过预定义的系统接口表达测量意图,并操作相关网络设备与数据实现意图。
英文摘要
Network behavior measurement is to measure and analyze the features and the trend of network traffic. It is able to solve problems such as network operation, capacity planning, network account billing, congestion control, traffic scheduling, and traffic anomaly detection. Based on Sketch algorithms, this project studies two kinds of network behavior measurement, behavior measurement on the features of the traffic and the anomaly of network. First, this project studies the error theory and the unbiased theory of Sketch algorithms to perfect the basic theories of network behavior measurement. Second, this project studies new methods of network behavior measurement for Software-Defined Networking and Time-Sensitive Networking. Third, this project studies traffic features and related feature extraction methods applied in different future network environment. Last, this project studies the technology of intent-based network behavior measurement. This project expresses measurement intent through predefined system interfaces and operates relevant network equipment and data to achieve the intent.
本项目旨在通过研究和开发新型的网络行为测量理论与方法,应对现代网络环境中日益复杂的挑战。项目分为四个课题,涵盖了从网络行为测量理论的创新到网络流量预测、新方法的设计与应用,最终为网络安全、资源优化及流量管理等领域提供理论支持和实践解决方案。.课题一“网络行为测量理论”主要研究如何在处理大规模数据时保持算法的无偏性、准确性和高效性。主要贡献包括:Double-Anonymous Sketch算法,解决了全局Top-K频繁项识别中的公平性问题;MinMax采样算法,提供了最优的分布式测量聚合方法;CocoSketch算法,支持任意部分流键查询,显著提高了吞吐量和准确度等。这些算法为未来网络测量任务提供了理论支持。.课题二“未来网络行为测量新方法”提出了多个创新方法以应对现代网络的动态性和可扩展性挑战。包括ChameleMon系统,通过动态分配内存和实时监控流量,灵活切换数据包累积与丢失任务;LightGuardian系统,结合Sketch和INT技术,首次实现了低开销的全流量测量等。这些方法为网络流量监测和智能管理提供了强有力的技术支持。.课题三“网络流量预测新技术”聚焦网络安全,提出基于联邦学习的高精度流量检测方法。通过优化隐私保护技术,提升了对恶意流量的检测能力,并提高了联邦学习在大规模网络环境中的性能。这一技术突破为网络安全领域提供了新的解决思路。.课题四“面向网络意图驱动新方法”解决了路由控制和网络状态感知中的挑战。通过研究基于软件定义网络思想的分布式协同数据采集系统,设计了轻量级高精度网络测量方法,能够有效收集路由决策所需的网络状态信息。特别是提出了面向跨域协同处理的网络数据采集协议和基于意图的网络测量编程模型,提升了数据采集系统的可用性和通用性。.本项目的研究成果在学术领域具有重要价值,并已成功应用于华为等企业的流量监控、网络优化等多个场景,显著提高了网络设备的测量效率和精度,具有广泛的工业应用潜力。通过这些技术创新,本项目为未来网络的智能化管理、流量优化和安全防护提供了坚实的技术支持。截至目前,本项目已发表CCF-A类论文60篇,在学术界取得了显著的研究成果。
面向高速数据流的概率数据结构与算法
-
批准号:62372009
-
项目类别:面上项目
-
资助金额:50万元
-
批准年份:2023
-
负责人:杨仝
-
依托单位:
KV Store关键技术研究与原型系统实现
-
批准号:61672061
-
项目类别:面上项目
-
资助金额:64.0万元
-
批准年份:2016
-
负责人:杨仝
-
依托单位:
国内基金
海外基金