大規模網絡感知與認知理論及技術

符永銓 博士，副研究員，法國歐洲通信學院、西班牙加泰羅尼亞理工大學訪問學者，先後擔任軍隊重大項目管理辦公室參謀、副主任設計師，在軍隊、國家自然科學基金委、國防科工局等項目資助支持下，聚焦網絡智能計算關鍵問題開展系統研究，突破分佈探測與採集、建模與分析、生成與學習的理論和共性關鍵技術，部分成果為國家和軍隊的重要信息系統提供方法支撐，在中國科學、INFOCOM等計算機領域著名國際會議和期刊公開發表論文60餘篇，獲省部級科技進步一等獎1項。

 

目   錄

 

第 1 章  引言   1

1.1 背景   1

1.1.1 網絡環境   2

1.1.2 網絡測量   7

1.2 網絡感知與認知現狀分析  11

1.2.1 基本概念  11

1.2.2 背景行為感知與認知  11

1.2.3 前景行為感知與認知  13

1.2.4 工業界概況   14

1.2.5 小結  14

1.3 大規模網絡行為感知與認知的科學技術問題   15

1.3.1 全域多模態的網絡探測   15

1.3.2 動態網絡建模與實時計算   15

1.3.3 場景自適應網絡行為抽取與評估 16

1.4 本書主要內容  16

參考文獻  18

第 2 章  網絡信息的近似表示   24

2.1 網絡信息近似表示技術  24

2.2 問題描述   25

2.3 系統架構   27

2.4 關鍵算法   29

2.4.1 新元素插入   29

2.4.2 元素查詢  30

2.4.3 前綴獨立的哈希函數設計   31

2.5 稀疏距離測量  32

2.6 布隆過濾器理論分析   33

2.6.1 假陽性分析   33

2.6.2 樹狀布隆過濾器交的假陽性概率 34

2.6.3 樹狀布隆過濾器交的帶寬開銷  36

2.7 布隆過濾器參數優化設計  36

2.8 網絡信息近似表示效果評估   38

2.8.1 假陽性概率優化  39

2.8.2 交集計算優化   42

2.9 本章小結   45

參考文獻  45

第 3 章  網絡空間的鄰近搜索   47

3.1 網絡空間鄰近搜索技術  47

3.2 網絡鄰近搜索概念模型  48

3.3 分佈式鄰近搜索機制   51

3.4 網絡空間鄰近搜索關鍵算法   52

3.4.1 網絡探測優化   52

3.4.2 最遠節點初始化  53

3.4.3 最近鄰搜索   54

3.4.4 搜索終止判定機制  56

3.4.5 邏輯鄰居維護機制  57

3.4.6 回退策略  58

3.5 分佈式鄰近搜索理論分析  59

3.5.1 最近節點搜索   61

3.5.2 精確度及搜索時間  65

3.6 分佈式鄰近搜索效果評估  69

3.7 本章小結   75

參考文獻  75

第 4 章  網絡行為的關聯分析   77

4.1 網絡行為關聯分析技術  77

4.2 網絡採集現狀  78

4.3 問題模型   78

4.4 流圖表示   79

4.5 總體架構   81

4.6 網絡行為關聯分析   83

4.6.1 深度網絡特徵抽取  83

4.6.2 圖存儲索引結構  83

4.6.3 高性能數據更新  86

4.6.4 多維關聯查詢   88

4.7 流圖復雜性分析  90

4.8 網絡行為關聯分析效果評估  91

4.9 本章小結   94

參考文獻  94

第 5 章  網絡行為的實時跟蹤   97

5.1 網絡行為實時跟蹤技術  97

5.2 數據概要   98

5.3 網絡流量監測  99

5.3.1 理論模型  100

5.3.2 誤差分析  102

5.4 網絡行為實時跟蹤總體架構  105

5.5 網絡行為實時跟蹤關鍵算法  107

5.5.1 子流聚合規約  107

5.5.2 概要算法  109

5.5.3 在線聚類  110

5.5.4 網絡查詢應用  111

5.6 近似計算理論分析  111

5.7 網絡行為實時跟蹤效果評估  112

5.8 本章小結  117

參考文獻   117

第 6 章  網絡行為的識別與分類   120

6.1 網絡行為識別與分類技術   120

6.2 問題描述  122

6.3 理論模型框架   124

6.4 深度學習理論模型  125

6.4.1 圖神經網絡  125

6.4.2 基於 Transformer 的雙向編碼表示   127

6.4.3 網絡流量  127

6.5 網絡行為識別與分類關鍵算法  127

6.6 模型復雜性分析  130

6.7 網絡行為識別與分類效果評估  130

6.8 本章小結  132

參考文獻  132

第 7 章  網絡行為的全域預測  134

7.1 網絡行為全域預測介紹   134

7.2 網絡坐標系統和網絡延遲矩陣補全   135

7.3 通用網絡距離矩陣補全   140

7.4 矩陣補全的總體架構 143

7.5 關鍵算法  144

7.5.1 層次聚類  144

7.5.2 分佈式聚類計算   145

7.5.3 MMMF  146

7.5.4 分佈式 MMMF  147

7.6 矩陣補全效果評估  151

7.6.1 對比結果  152

7.6.2 參數敏感性分析   154

7.7 本章小結  158

參考文獻   158

第 8 章  網絡行為的自動測試  161

8.1 網絡行為自動測試介紹   161

8.2 問題模型  162

8.3 總體架構  165

8.4 網絡行為自動測試關鍵算法  167

8.4.1 事件鏈模型  167

8.4.2 任務調度  168

8.5 資源調度優化   172

8.6 自動測試效果評估  173

8.7 本章小結  175

參考文獻   175

第 9 章  網絡行為的模擬推演  177

9.1 網絡行為模擬與評估介紹   178

9.2 參考模型  179

9.2.1 序列模型  180

9.2.2 關鍵指標  181

9.3 核心指標  184

9.3.1 運行框架核心指標評估方法   184

9.3.2 前景流模擬核心指標評估方法  184

9.3.3 背景流模擬核心指標評估方法   185

9.4 總體框架 185

9.5 運行框架  186

9.5.1 功能模塊  186

9.5.2 運行框架子系統使用流程  186

9.5.3 運行框架功能要求   188

9.5.4 運行框架接口要求   189

9.5.5 運行框架性能要求   190

9.6 背景流模擬   190

9.7 前景流模擬   191

9.8 分佈式部署   192

9.9 本章小結  192

參考文獻   193

第 10 章  結束語   194

10.1 本書總結  194

10.1.1 網絡信息的近似表示   194

10.1.2 網絡空間的鄰近搜索   195

10.1.3 網絡行為的關聯分析   195

10.1.4 網絡行為的實時跟蹤   195

10.1.5 網絡行為的識別與分類   196

10.1.6 網絡行為的全域預測   196

10.1.7 網絡行為的自動測試   197

10.1.8 網絡行為的模擬推演   197

10.2 大規模分佈式網絡：走向縱深發展的戰術場景網  198

10.3 網絡感知與認知：走向大規模自適應智能化  199

10.3.1 面向深度和廣度全景感知的網絡探測與表示   199

10.3.2 面向動態實時網絡的智能建模與分析  199

10.3.3 面向場景自適應的網絡行為理解與評估  200

10.3.4 網絡行為自動合成  200