欢迎来到天天文库
浏览记录
ID:793678
大小:1.15 MB
页数:54页
时间:2017-09-05
《c++基于garch方法的网络流量预测毕业论文》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、毕业论文C++基于Garch方法的网络流量预测摘要随着网络技术发展、网络带宽的不断增加、用户数量的急速膨胀以及业务类型的多样化,人们经常会遇到网络拥塞和服务质量低等一系列问题,加强网络管理和改善网络的运行已成为当务之急。掌握网络行为的基本特征,发现网络行为变化的基本规律,构造出反映网络行为的数学模型是流量预测的内在需求。本系统是基于广义自回归条件异方差garch(GeneralizedAutoregressiveConditionalHeteroscedastymodel)模型对流量进行预测。系统利用网络侦听原理通过套接字来实现对局域网流
2、量的监控及截获并统计,再通过garch方法对网络实时流量计算,得出均值和条件方差来实现对网络流量的预测。系统经过测试,能够较好的预测出流量区间。最后,本系统还构建了以UDP洪泛攻击的模拟测试实验,测试的结果系统正常显示由于攻击导致的流量异常,由此发出预警信息,告知用户可能受到网络攻击,从而做到自我保护,提高网络质量。关键字:预测,garch,异常,网络流量,套接字NetworkTrafficPredictionBasedOnGarchModelAbstractWiththedevelopmentofnetworktechnology,in
3、creasingnetworkbandwidth,therapidexpansionofthenumberofusersanddiversificationofbusinesstypes,peopleoftenencountertheproblemofnetworkcongestionandlowqualityofservice,strengtheningthenetworkmanagementandimproveingtheoperationofthenetworkhasbecomeatoppriority.Masteringtheba
4、siccharacteristicsofnetworkbehavior,findingthebasicruleofchangesinnetworkbehavior,creatingareflectionofthemathematicalmodelofnetworkbehavioristheinherentdemandfornetworktrafficprediction.ThesystemisbasedontheGeneralizedAutoregressiveConditionalHeteroscedasticitygarch(Gene
5、ralizedAutoregressiveConditionalHeteroscedastymodel)modeltopredicttraffic.ThesystemusestheprincipleofthenetworkthroughthelisteningsockettoachievethemonitoringofLAN’straffic,interceptionofnetworktrafficandStatistics,thencomputingreal-timetrafficthroughgarchmodeltoobtainthe
6、averageandconditionalvariancetoachievethepredictionofthenetworktraffic.Thesystemtested,thatcanbetterpredictthenetworktraffic’srange.Atlast,wesetupaexperimentbasedonUDPattackingtotestthesystem.Theresultsshowthattheoutliertrafficwhichwascausedbyattack,informingtheusermaybes
7、ubjecttonetworkattacks,inordertoprotectivemeasuresbyyourself,improvingnetworkqualityofservice.Key words:prediction,garch,outlier,networktraffic,socket目录1绪论11.1研究的背景和目的11.2国内外研究现状与研究成果11.3论文结构32相关理论知识与技术42.1TCP/IP协议体系结构42.2网络流量检测的基本方法52.2.1网络侦听的原理52.2.2嗅探器72.2.3简单网络协议82.3网
8、络协议报文分析82.4网络流量预测模型分析112.4.1ARIMA112.4.2ARCH模型122.4.3GARCH模型132.5网络流量预测模型选择132.6小结143系统总体设计与具体实现
此文档下载收益归作者所有