时间序列分析技术在网络流量监控中的应用研究

摘要

计算机网络的发展，使得信息的交流和资源的共享更加便捷。为了教师教学和学生学习的方便，校园网带宽逐年扩大，访问的速度也得到了很大的提高。但是，目前校园网带宽的有效利用率并不高，大部分带宽用于游戏、视频、即时通信以及P2P应用。由于这些与工作关系不大的应用，抢占、消耗大量的网络带宽资源，降低了正常通信的质量，影响了正常的工作和学习。因此，如何准确地掌控网络运行状况，分析网络应用服务，进行有效地网络监控，提高网络带宽有效利用率，成为亟需解决的问题，具有重要的研究意义。
　　本文旨在通过研究校园网流量基本特征，构建流量预测模型，并利用流量的历史数据预测未来流量变化趋势。运用应用层协议分析技术对不同种类的网络应用服务进行统计分析，管理员根据预测和分析结果进行网络运行控制，对P2P应用、游戏以及视频等应用服务进行带宽限制。
　　本文的主要研究内容是在认真分析了校园网络流量自相似性以及时间序列分析技术的基本概念、理论方法和建模步骤的基础上，进一步深入研究了自回归移动平均模型(ARMA)、季节性自回归移动平均模型(SARMA)和广义自回归条件异方差模型(GARCH)的建模过程;其次，对网络流量监控与分析技术进行了研究，包括应用层协议分析技术、多模式状态机匹配技术和简单网络管理协议(SNMP)。通过实验效果对比，最终提出了一种运用SARMA模型对网络流量历史数据进行建模，并利用GARCH模型对其残差进行修正的网络流量预测模型建模方法。
　　论文运用时间序列分析技术建立网络流量预测模型，预测网络流量下一个时间段内的变化趋势。本文还采用端口技术、深度包检测技术(DPI)、深度流检测技术(DFI)进行应用层协议分析，在协议分析过程中采用多模式状态机匹配算法，进行特征匹配，提高了匹配的速度和准确度，最后通过SNMP对网络设备进行设置，从而达到对某一IP或应用协议进行控制的目的。
　　结合使用以上各项技术，设计并实现了网络流量预测与监控系统。系统基于B/S架构，前台页面使用ExtJS4.0进行页面渲染，后台在SSH(Struts2+Spring+Hibernate)框架下进行MVC模式开发，前后台数据交互过程使用JSON传输，整个管理系统在Web方式下以Desktop样式呈现。论文介绍了网络流量预测与监控系统的设计方法，并对各个功能模块的实现方法进行了详尽地阐述，最后对系统部署以及性能分析进行了描述。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 国内外研究现状

1．3 研究内容与研究意义

1．4 论文结构与创新点

第二章 时间序列分析技术

2．1 时间序列技术相关理论

2．1．1 平稳性

2．1．2 季节性

2．1．3 相关函数

2．2 ARMA模型

2．2．1 P阶自回归模型AR(p)

2．2．2 q阶移动平均模型MA(q)

2．2．3 自回归移动平均过程ARMA(p，q)

2．2．4 ARMA(p，q)建模流程

2．3 SARMA模型

2．4 GARCH模型

2．5 本章小结

第三章 网络流量分析及监控相关技术

3．1 应用层协议分析

3．1．1 端口识别技术

3．1．2 深度包检测技术(DPI)

3．1．3 深度流检测技术(DFI)

3．1．4 优缺点比较

3．2 多模式有限状态机匹配技术

3．3 简单网络管理协议(SNMP)

3．4 本章小结

第四章 SARMA-GARCH模型在网络预测中的应用

4．1 实验数据分析

4．2 SARMA模型预测

4．2．1 模型识别

4．2．2 序列平稳化

4．2．3 模型定阶

4．2．4 参数估计

4．3 SARMA-GARCH模型预测

4．3．1 ARCH效应检验

4．3．2 残差修正

4．3．3 预测效果

4．4 本章小结

第五章 网络流量预测与监控系统的设计与实现

5．1 总体设计

5．1．1 设计思想

5．1．2 系统架构与总体功能

5．1．3 开发平台与开发工具

5．2 系统主要功能模块的实现

5．2．1 抓包模块

5．2．2 协议分析模块

5．2．3 网络预测模块

5．2．4 控制模块

5．3 系统部署与实验效果

5．3．1 系统部署

5．3．2 实验效果与性能分析

5．4 本章小结

第六章 总结与展望

6．1 本文总结

6．2 下一步研究展望

参考文献

发表论文和科研情况说明

致谢