基于压缩感知的端到端网络流量重构策略研究

《基于压缩感知的端到端网络流量重构策略研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ｊｒ＊Ｌ．…ｒ年：分类号密级ＵＤＣ学位论文基于压缩感知的端到端网络流量重构策略研究作者姓名：聂来森指导教师：郭磊教授东北大学计算机科学与工程学院申请学位级别：工学：博士学位学科类别学科专业名称：通信与信息系统论文提交日期：２０１６年７月论文答辩日期：２０１６年９月学位授予日期：答？员会主席：？评阅人：东北大学２０１６年７月ＡＤｏｃｔｏｒａｌＴｈｅｓｉｓｉｎＣｏｍｍｕｎｉｃａｔｉｏｎａｎｄＩｎｆｏｒｍａｔｉｏｎＳｓｔｅｍｓｙｏｆ－－ＲｅｓｅａｒｃｈｏｎｔｈｅＳｔｒａｔｅ

2、ｇｙＥｎｄｔｏＥｎｄＮｅｔｗｏｒｋＴｒａｆｆｉｃＲｅｃｏｖｅｒｙＢａｓｅｄｏｎＣｏｍｒｅｓｓｉｖｅＳｅｎｓｉｎｐｇＢＮｉｅＬａｉｓｅｎｙＳｕｅｒｖｉｓｏｒ：ＧｕｏＬｅｉｐＮｏｒｔｈｅａｓｔｅｒｎＵｎｉｖｅｒｓｉｔｙＪｕｌ２０１６ｙ独创性声明本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作的同志对本研宄所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文

3、作者签名：表日期：＞？／／、／（；、《ｔ学位论文版权使用授权书本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交流。作者和导师同意网上交流的时间为作者获得学位后：半年口一年口一年半口两年学位论文作者签名：导师签名：签字日期：丨（、签字日期：丨／〇、、又Ｉ东北大学博士学位论文摘要基于压缩感知的端到端网络流量重构策略研究摘要信息及通信技术

4、的发展使得ＩＰ网络规模急剧扩张，并且网络承载的业务类型呈多样化发展Ｐ网络已经成为一，，Ｉ个复杂的异构网络。因此合理、有效的网络管理和维护是网络正常运行的重要保障。网络管理者需要了解网络中各节点间数据包转发情况，以此决策网络规划、负载均衡以及部署路由配置等管理操作。流量矩阵描述了网络中所有源－目的节点间的网络流量动态变化情况，是网络“”一外繁内简管理的重要输入参数之。ＩＰ网络设计之初遵循的设计原则，为用一ＩＰ户提供尽力而为的数据传输服务，因此降低了网络的可观测性。另方面，由于现有的网络流量采集技术消耗了大量的网络资源，特别是对于大尺度ＩＰ骨干网

5、而言，全网络的直接测量并不实用。流量矩阵估计技术采用易于观测的网络数据来推断流量矩阵，比直接测量方法更易于实现，因此成为目前获取流量矩阵的主一流技术。，并成为国内外研宄的热点问题之一网络层析成像技术是种常用的流量矩阵估计方法，该方法利用流量矩阵与路由矩阵ＩＰ骨、链路负载之间的线性关系估计流量矩阵。然而，对于大尺度干网一的流量矩阵估计问题，网络层析成像模型是个高度病态的反问题。因此，面向大尺度ＩＰ骨干网的流量矩阵估计问题仍然面临诸多挑战。针对以上问题，本文研究面向大尺度ＩＰ骨干网的流量矩阵估计问题。依据目前对于网络流量统计特性的研宂，端到端网络流

6、量呈现出长相关性、短相关性、自相似性和突发性等复杂的统计特性。针对以上特性，本文首先研宄了网络流量的时变特性以及建模问题，并在此基础上分别提出了基于多分形小波模型和Ｂａｙｅｓｉａｎ网络模型的流量矩阵估计方法。基于多分形小波模型的流量矩阵估计方法通过己知流量数据训练多分形小波模型，以此捕获流量矩阵的多分形特性，从而获得网络流量的初始估计值。同时，利用迭代比例拟合算法矫正初始估计值，即通过逐次迭代使得初始估计值满足网络层析成像模型约束条件，进而逼近真实值。一Ｂ基于Ｂａｙｅｓｉａｎ网络的流量矩阵估计方法，通过构建种ａｙｅｓｉａｎ网络架构来提取网络流量

7、的多分形特性一。在此基础上，通过种极大后验概率方法获得网络流量的联合分布函数，并通过正则化优化模型估计流量矩阵。ＩＩＩ东北大学博士学位论文摘要针对网络层析成像的病态特性问题，第３章研宄了网络层析成像系统模型的一特性，并提出种基于深度架构的流量矩阵估计方法。该方法通过基于深度信念。网络的深度架构来学习网络层析成像模型的系统特性，并进行流量矩阵估计端到端网络流量不仅在时域上体现了多种复杂的统计特性，同时流量矩阵在空间上呈现了低秩、幂率等架构特性。第４章研究了流量矩阵的空间相