[發明專利]一種時變非平穩網絡流量測量方法

無效

• 申請號: 201310082597.4
• 申請日: 2013-03-14
• 公開（公告）號: CN103200043A
• 公開（公告）日: 2013-07-10
• 發明（設計）人: 蔣定德;聶來森;許爭爭;王文娟
• 申請（專利權）人: 東北大學
• 主分類號: H04L12/26
• 分類號: H04L12/26
• 代理公司: 沈陽東大專利代理有限公司 21109
• 代理人: 梁焱

技術領域

本發明是屬于網絡技術領域，具體涉及一種時變非平穩網絡流量測量方法。

背景技術

流量矩陣是網絡管理和流量工程中的重要輸入參數，它表示網絡中所有源-目的節點之間的流量需求分布情況，反映了通信網絡中網絡層的特性。然而，隨著網絡規模的不斷擴大，由于網絡設備缺乏主動配合，網絡服務提供商處于商業秘密考慮，以及流量矩陣測量將占用額外的網絡資源等原因，通過直接測量得到準確的流量矩陣變得非常困難。目前端到端網絡流量的重構引起了研究人員的廣泛關注，被網絡操作員用來進行網絡規劃、路由規劃、評估新路由協議的性能以及分析網絡故障等網絡操作中。

作為一項重要的技術，網絡層析成像廣泛應用于大規模IP骨干網中，其依據鏈路負載和路由矩陣重構端到端的網絡流量，但該方法具有高度的病態特性和欠定性。因此，為了準確地獲得端到端網絡流量，提出了一些方法來克服這些特性。Y.Zhang等提出了用重力模型描述目前端到端流量的特性，通過獲得額外的約束信息，以克服高度病態的問題；A.Lakhina等提出了主成分分析法直接測量并構建端到端流量重構模型；A.Soule等基于端到端流量的獨立同分布泊松模型假設，提出迭代貝葉斯反演算法和扇出算法來重構端到端流量。這些方法通過對源-目的（OD）流建模或者測量部分OD流來重構端到端流量。然而，統計模型對流量矩陣的先驗信息非常敏感。另外，隨著當前通信網絡規模的日益擴大，各種通信網絡(3G和PSTN)和不同多媒體服務器(VoIP和P2P)也引入到通信網絡中，一方面使得通信網絡變得復雜多樣，另一方面，對于這樣復雜的網絡，其流量不再服從泊松或高斯分布等簡單的數學模型。因此，我們必須采取新的方法來解決欠定性的推理問題。

鑒于骨干網流量估計的病態特性和欠定性，僅僅由網絡層析成像模型是不能準確估計流量矩陣的。而壓縮感知重構算法是一種成熟的處理欠定性問題的技術。因此本發明聯合奇異值分解技術與壓縮感知技術來尋找欠定線性系統的最優解，以此精確重構出端到端網絡流量。

實際上，受壓縮感知中約束條件的限制，壓縮感知重構算法不能直接用于求解網絡層析成像問題?？紤]到上述的難題，需要構造一個新的網絡層析成像模型，使得該模型遵循壓縮感知的約束條件。

發明內容

針對現有技術存在的問題，本發明提供一種時變非平穩網絡流量測量方法，以達到利用隨機高斯矩陣改變傳統網絡層析成像模型特性，通過對歷史流量進行奇異值分解得到稀疏基，使其滿足壓縮感知的約束條件，并利用壓縮感知重構算法精確重構端到端流量的目的。

一種時變非平穩網絡流量測量方法，包括以下步驟：

步驟1、根據IP骨干網絡中路由器個數和流量采集間隔時間，采用構建流量矩陣M的方式描述源路由器和目的路由器之間某一時刻流量情況，并采用奇異值分解的方式對源-目路由器的流量進行處理；

所述流量矩陣M的每一個行表示通過一個源-目的路由器的網絡流量信息；所述流量矩陣M的每一個列表示某一時刻通過全部源-目的路由器的數據包數量；其中，所述的IP骨干網絡中包含Q個路由器；流量矩陣M為一個N×P的矩陣，其中N=Q²，P為時間長度；

步驟2、通過路由器獲取歷史流量數據，并將該流量信息發送給網絡管理站，管理站采用奇異值分解的方式對源-目路由器的歷史流量進行處理；

步驟3、采用將歷史流量矩陣主成分代替流量矩陣主成分的方式重新描述網絡流量；

步驟4、采用通過高斯隨機矩陣構建新的網絡層析成像模型的方式來描述源路由器到目的路由器的流量、路由的選擇和鏈路負載之間的關系，使其滿足壓縮感知的條件，方法為：

利用高斯隨機矩陣G描述鏈路負載與流量矩陣M之間的隨機匯聚關系：

GY=GAV~′Σ~U~T---(1)]]>

即可得：