网络拓扑测量中别名解析题目的研究

[复制链接]
查看: 293|回复: 0

5万

主题

8万

帖子

18万

积分

论坛元老

Rank: 8Rank: 8

积分
189003
发表于 2022-4-18 16:18:27 | 显示全部楼层 |阅读模式
目:


雅宝题库答案
****此区域为收费内容****    需支付 1 知识币后可查看,1币=0.01元查看答案


雅宝题库解析:
网络拓扑测量对于研究当今发展速度越来越快,规模越来越大的互联网来说,有着重要的意义。目前最流行的基于traceroute的主动拓扑测量工具只能直接得到接口级别的网络拓扑,但是路由器级别的拓扑更能反映网络的真实结构,因此,找到一个准确有效的别名解析方法对属于同一台路由器的接口进行聚合来得到路由器级别的拓扑就显得尤为重要。虽然现在已经有很多组织在研究别名解析,而且IPv4网络的别名解析方法已经相当成熟,IPv6网络也有几个不错的方法出现,但是两种网络的别名解析方法间通用性较差。因此本文从研究各种已有方法入手,针对别名解析方法在两类网络中的通用性做了研究,并取得了以下成果:(1)提出了一种新的利用机器学习进行别名解析的方法。首先,对traceroute主动探测得到的IPv4网络和IPv6网络的原始数据进行了处理,找出其中的真实别名对。然后分别对别名数据的度、聚类系数、核数、AS以及两个IP地址本身的差异进行分析,发现这些属性值与两个IP地址是否为别名有显著的关系。接下来使用SVM的机器学习方法对带有这些属性的IP地址对进行训练。最后在测试集上把测试结果分别与IPv4网络的主动探测方法 Ally和IPv6网络的利用目的选项字段的主动探测方法做了对比。结果表明:机器学习的方法相比主动探测的方法,不仅准确率很高,而且在完全性上,平均提高约50%。(2)实现了一个新的别名解析系统。该系统可以针对由其它组织得到的IPv4网络数据和由Dolphin2得到的IPv6网络数据分别进行别名解析。其中,针对IPv4网络数据,使用了机器学习方法和主动探测方法Ally;针对IPv6网络,使用了机器学习方法和利用目的选项字段的主动探测方法。在别名解析过程进行中,为得到的别名数据建立别名表,最后通过更新别名列表来得到更加真实的路由器级别的拓扑图。实验表明,新的别名解析系统比原有的只利用主动探测方法的别名解析系统能更好的完成接口地址向路由器的聚合,得到更真实的路由器级别的网络拓扑。





上一篇:面向指针逻辑的定理验证系统的研究与实现
下一篇:虚拟战场环境下燃烧过程模拟方法研究与实现
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

精彩课程推荐
|网站地图|网站地图