基于近似方法的抽样报文流数估计算法

被引：15

作者：

程光 ^{[1
,2
]}

唐永宁 ^{[3
]}

机构：

[1] 东南大学计算机科学与工程学院

[2] 计算机网络和信息集成教育部重点实验室(东南大学)

[3] School of Information Technology Illinois State University

来源：

软件学报 | 2013年 / 24卷 / 02期

关键词：

报文抽样; 网络测量; 流数; 二项分布;

D O I：

暂无

中图分类号：

TP393.06 [];

学科分类号：

081201 ; 1201 ;

摘要：

维护每个报文的流记录需要占用大量测量资源.目前已有多种抽样技术估计网络流统计信息,然而精确地估计出流数统计信息是目前的研究难点.提出了Integral和Iteration两种基于报文抽样样本估计网络流数的算法.Integral算法只需使用抽样流长为1的流数信息就可以近似推导出未抽样的流数.Iteration算法通过建立迭代函数估计未抽样流数,然后根据未抽样流数和已抽样的流数推断出原始流量的流数.采用CERNET(China education andresearch network)骨干网络链路数据将这两种算法与EM(expectation maximization)算法进行对比,表明Iteration算法具有较好的精度和性能.

引用

页码：255 / 265

页数：11

共 6 条

[1] 基于最小二乘法的流长度分布估计方法 [J].

刘卫江 ;

龚俭 ;

丁伟 ;

程光 .

东南大学学报(自然科学版), 2006, (03) :467-471

[2] Bitmap algorithms for counting active flows on high-speed links [J].

Estan, Cristian ;

Varghese, George ;

Fisk, Michael .

IEEE-ACM TRANSACTIONS ON NETWORKING, 2006, 14 (05) :925-937

[3]

Inverting sampled traffic[J] . Nicolas Hohn,Darryl Veitch.IEEE/ACM Transactions on Networking （TON） . 2006 (1)

[4] Estimating flow distributions from sampled flow statistics [J].

Duffield, N ;

Lund, C ;

Thorup, M .

IEEE-ACM TRANSACTIONS ON NETWORKING, 2005, 13 (05) :933-946

[5]

Maximum Likelihood from Incomplete Data via the EM Algorithm[J] . A. P. Dempster,N. M. Laird,D. B. Rubin.Journal of the Royal Statistical Society. Series . 1977 (1)

[6]

Sampling for Passive Internet Measurement:Review. Duffield N G. Statistical Science . 2004

← 1 →