基于RMON2协议的网络流量监测与预测研究

摘要

随着互联网的快速发展，网络新型应用逐渐丰富，网络规模不断增大。网络流量监测与预测技术作为增强网络控制性的有效技术，不仅能够获取网络流量数据，而且对网络的监督管理、服务质量、安全管理、故障检测、容量规划等都有很重要的影响。SNMP作为一种简单网络管理协议，已经广泛应用于各种网络管理系统。但其轮询MIB节点会产生大量的管理报文，这对网络带宽和处理能力提出更高的要求，且只支持集中式管理。而RMON协议能很容易地解决这些问题，RMON协议体系包括RMON1和RMON2标准，与RMON1相比，RMON2能够周期性监控更丰富的流量信息。本文实现了基于RMON2协议的网络流量监测系统，并在此基础上对两种神经网络的流量预测算法进行性能仿真。主要工作如下：
　　1.对于流量监测，介绍了RMON协议的标准和工作方式，重点论述了RMON1和RMON2之间的区别。对于流量预测，基于BP神经网络模型和小波神经网络模型，推导了两种网络算法的步骤，经理论分析可得出小波神经网络具有更好的流量预测性能。
　　2.分析了RMON2系统的需求并提出了该系统的总体设计。首先将系统总体划分成子模块，主要包括系统的零层、一层和二层分解模块。然后，由一层模块和二层模块的运行设计完成整个系统方案的设计。最后，使用C语言实现了RMON2系统。
　　3.构建RMON2系统后，分别从功能测试、性能测试、规格测试、组合压力测试和兼容性测试等方面对RMON2系统进行测试，测试结果表明该系统功能稳定。
　　4.利用一种TCL脚本语言完成了RMON2自动化工具，给出了RMON2自动化工具监测网络流量的方法，并分析了自动化测试的优缺点。
　　5.使用RMON2自动化工具对网络运营商的设备进行流量监测，周期性采样接口上行和下行流量值，并以此数据作为后续流量的预测样本，分别对BP神经网络和小波神经网络的流量预测模型进行性能仿真实验。仿真实验表明，两种预测模型都能很好地对网络流量进行预测，且在同一仿真条件下，小波神经网络的流量预测算法可获得更小的预测误差。

目录

封面

声明

中文摘要

英文摘要

插图索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1 研究背景与意义

1.2 国内外研究概况

1.3 论文主要内容和结构

第二章 流量监测与预测的关键技术

2.1 SNMP协议

2.2 RMON协议

2.3 神经网络的基本原理

2.4 本章小结

第三章 RMON2系统的设计与实现

3.1 系统的开发环境与需求分析

3.2 系统的总体设计

3.3 系统的模块设计

3.4 系统测试与运行效果

3.5 本章小结

第四章 RMON2自动化工具实现

4.1 测试自动化与TCL语言

4.2 测试脚本系统设计

4.3 测试脚本实施

4.4 本章小结

第五章 基于神经网络的网络流量预测

5.1 基于BP神经网络的网络流量预测

5.2 基于小波神经网络的流量预测

5.3 本章小结

第六章 总结

参考文献

致谢

作者简介