基于信息熵理论的高速IPv6网络流量抽样测量方法

吉林大学学报(工学版) ›› 2009, Vol. 39 ›› Issue (05): 1337-1341.

基于信息熵理论的高速IPv6网络流量抽样测量方法

潘乔¹,裴昌幸²

1.东华大学计算机科学与技术学院,上海 201600|2.西安电子科技大学ISN国家重点实验室, 西安 710071

收稿日期:2007-05-18 出版日期:2009-09-01 发布日期:2009-09-01
通讯作者: 潘乔（1977-）,男,讲师，博士.研究方向:下一代网络性能测量.Email:qpan@mail.xidian.edu.cn E-mail:qpan@mail.xidian.edu.cn
作者简介:潘乔（1977-）,男,讲师|博士.研究方向:下一代网络性能测量.Email:qpan@mail.xidian.edu.cn
基金资助:
国家自然科学基金项目（60572147，60132030）;陕西省科技攻关项目（2006k04G33） .

Information entropy theoretic approach to traffic sampling measurement in highspeed IPv6 networks

PAN Qiao¹,PEI Chang-xing²

1.School of Computer Science and Technology, Donghua University, Shanghai 201600,China|2.State Key Lab of Integrated Services Networks, Xidian University, Xi'an 710071, China

Received:2007-05-18 Online:2009-09-01 Published:2009-09-01

摘要/Abstract

摘要：

基于信息熵的理论提出了一种大规模、高速IPv6网络流量抽样测量方法，对实际IPv6网络流量数据进行了统计分析，比较了IPv6数据报文头的各个字段比特位的随机性，选择出随机性好的字段作为抽样的匹配字段输入，满足了抽样样本的随机性要求。通过软件编程实现了该抽样测量方法，并抽样采集了实际IPv6网络流量，实验数据表明其结果具有良好的均匀性，且总体和样本的数据报文大小的分布函数曲线吻合。

关键词: 计算机应用, 网络流量, 抽样测量, 信息熵, 哈希函数, 高速网络

Abstract:

A novel traffic sampling measurement method in highspeed IPv6 networks is proposed. The method is to sample IPv6 traffic based on the information entropy theory. Firstly, we present a distributed IPv6 network sampling measurement framework including communication and sampling modules. Secondly, through computing the bit entropy in real IPv6 traffic traces, we discuss the randomicity of each byte in IPv6 packet headers, and select those bytes having a good randomicity as the input of our traffic sampling method. Finally, an experiment is performed to prove that the output of our method has sufficiently uniform and the sample's curve of cumulative distribution function of packet size is fully conformed to the parent's.

Key words: computer application, network traffic, sampling measurement, entropy, hash function, highspeed networks

中图分类号:

TP393

潘乔, 裴昌幸. 基于信息熵理论的高速IPv6网络流量抽样测量方法[J]. 吉林大学学报(工学版), 2009, 39(05): 1337-1341.

BAN Jiao, PEI Chang-Xing. Information entropy theoretic approach to traffic sampling measurement in highspeed IPv6 networks[J]. 吉林大学学报(工学版), 2009, 39(05): 1337-1341.

参考文献

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed