基于断层扫描的网络测量关键技术研究

来源 :浙江大学 | 被引量 : 0次 | 上传用户:hardstar
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着信息技术的不断发展和人们通信需求的不断增加,催生出各式各样的网络系统和服务。一方面,用户数量的增长使得有线IP网络的规模变得越来越庞大,多跳连接成为了地理位置分布广泛的主机间正常通信的基本前提。另一方面,物联网技术和应用的成熟使得物联网设备的数量经历着快速的增长。截至2019年,全球物联网设备数量达到110亿。为了实现资源受限物联网设备的互联互通,涌现出多种无线多跳数据传输技术。面对这些普遍存在的大规模多跳网络,如何对其进行有效的监控和测量成为亟需解决的关键问题。网络测量为服务提供商与管理员提供网络内部细粒度的运行状态信息,是网络管理与优化的基础。
  网络断层扫描是一种有效地利用监测节点间端到端测量数据推测网络内部运行状态的测量技术,具有较低的测量开销,引起了国内外学者的广泛关注和研究。现有网络断层扫描研究工作主要集中于测量网络所有链路性能指标的确切值,存在实现难度大,测量成本高、可用性差等问题。此外,现有研究工作往往基于固定网络拓扑和可靠网络通信的理想假设,未考虑拓扑变化和链路失效对网络测量的影响。面对大规模多跳网络组成复杂、拓扑频繁变化及通信容易失效的重要特征,现有网络断层扫描方法将难以达到预期的效果。为此,本文总结了大规模网络性能测量面临的主要挑战,并针对这些挑战提出了四项关键技术,以构建灵活、高效及鲁棒的性能测量体系。
  1)基于界限值推断的链路测量技术。本文研究了对网络特定链路(即目标链路)性能界限值的测量问题,在满足应用需求的前提下,通过灵活调整链路性能测量的精确度,以降低测量复杂度和测量开销。具体地,本文首先提出了一种高效的目标链路性能界限值推断算法,能够在任意一个给定监测节点和端到端测量数据的网络中快速地计算出所有目标链路最紧的性能界限值(包括最紧上界值和下界值)。基于此,本文进一步提出了一种新监测节点的部署算法,在网络原有监测节点的基础上,通过增加一个新监测节点从而最大程度地减少目标链路性能界限区间的长度,以及通过部署最少监测节点以满足服务提供商与管理员对目标链路性能界限区间长度减少量的需求。和现有最好方法相比,本文提出的方法大幅地减小了目标链路性能界限区间的总长度并显著减少了监测节点的部署数量。相关工作发表在著名国际会议IEEEINFOCOM2020上。
  2)基于界限值推断的路径测量技术。本文研究了对网络特定路径(即目标路径)性能界限值的测量问题,以较小的开销实现对网络关键服务端到端性能的测量。具体地,本文提出了一种目标路径性能界限值推断算法,基于给定监测节点间的测量数据,推算出网络所有目标路径最紧的性能界限值。此外,本文提出了一种新监测节点的部署算法,在网络已有监测节点的基础上,通过增加一个新监测节点以最大程度地减少目标路径性能界限区间长度,以及通过部署最少监测节点以满足对目标路径性能界限区间长度减少量的需求。和现有方法相比,本文提出的方法大幅地减小了目标路径性能界限区间的长度并减少了监测节点的数量。相关工作投稿到著名国际期刊IEEE/ACMTransactionsonNetworking上。
  3)基于时变拓扑序列的链路测量技术。针对网络拓扑的动态性,本文提出了一种面向时变拓扑的链路性能测量技术。基于对网络连通性的预测,本文设计了一种简洁通用的时变拓扑刻画模型。基于该模型,本文提出了一种预先式监测节点部署算法,便于服务提供商与管理员在网络规划阶段,完成对网络运行阶段性能测量所需监测节点的部署,从而减少监测节点更换的开销并提高测量的稳定性。和现有方法相比,本文提出的方法放宽了对网络拓扑模型的假设,从而能够适应更多实际应用场景的需求。相关工作发表在著名国际会议IEEEICNP2017和著名国际期刊IEEE/ACMTransactionsonNetworking上。
  4)基于失效分类建模的链路测量技术。针对网络通信的易失效性,本文研究了在不同类型的网络失效下链路性能的测量问题。具体地,基于网络链路失效的可预测性与不可预测性,本文对链路失效进行了不同形式的建模。基于此,本文提出了多种鲁棒的监测节点部署算法,利用监测节点间端到端的测量数据,推算出网络所有非失效链路的性能指标值,包括:(ⅰ)简单的部署算法(联合部署和一次性部署),将现有针对不可预测链路失效的部署算法应用于一组由可预测链路失效生成的拓扑(即预测拓扑),(ⅱ)增量部署算法,基于已有监测节点,在一组预测拓扑上依次部署额外的监测节点,(ⅲ)综合部署算法,将监测节点部署问题映射为广义的碰撞集问题以全面考虑所有预测拓扑上监测节点的部署需求。此外,论文提供了一个冗余监测节点的识别和移除算法,进一步提高监测节点部署的性能。和现有方法相比,本文提出的方法在保证链路性能可识别性的同时,能够很好地实现测量开销与时间复杂度的平衡。相关工作发表在国际会议ACMTUR-C2017和著名国际期刊IEEE/ACMTransactionsonNetworking上。
其他文献
学位
该文利用神经网络技术检验数据初期处理算法对预测效果的影响,提出了三种数据前期处理算法的改进方法:(1)收盘价5日涨跌比;(2)成交量5日均值法;(3)日均价法.该文首先针对股票预测广泛的社会需求,概述了股票预测的技术现状、常用分析方法,以及传统预测方法面临的问题;其次,综合比较了改进的BP算法和径向基函数法、回溯期改变以及输入矢量差别对预测结果的影响,确定了一个结构和性能良好的神经网络,能够减少外
学位
物流规划由于在现实世界的大量应用一直受到广泛关注。现实世界的物流规划问题中存在着许多动态、随机的变化,因此不确定环境下的物流规划问题成为了物流领域的研究热点。进化算法能有效解决许多物流规划问题,因而研究者提出了许多进化算法来解决不确定环境下的物流规划问题。然而,这些进化算法在应对一些不确定环境下物流规划问题时的性能、效率方面仍存在不足。为此,本文针对性地提出了多种有效的新型进化算法来求解两类典型的
学位
动态图数据在现实生活中十分普遍,科研合作网络、家谱树、足球传球网络、社交媒体网络,都可以被建模成动态图数据。分析这类数据的演变规律可以帮助领域专家发现潜在的有用信息。然而随着数据的累积,动态图数据中包含着大量的图结构信息和复杂的时序变化,这给领域专家识别有用信息,分析潜在的演变模式和特征结构带来了极大的挑战。如何解决动态图数据结构复杂、数量巨大、长度不定的问题,有效地提取动态图数据中的演变模式,总
室内场景重建问题是计算机视觉中的一个重要研究课题,其所得到的场景稠密三维模型在很多领域都有重要应用,例如室内场景的三维模型作为地图可以辅助机器人进行路径导航以及避障、稠密的三维场景重建结果作为输入可以解决传统目标识别、跟踪以及检测方法无法解决的场景遮挡问题等等。近年来随着消费级深度相机的不断普及,基于RGB-D数据的室内场景重建越来越受到关注。虽然在科研人员不懈努力下,三维重建算法已经取得了长足的
更高的准确度与计算效率一直是基于物理的仿真所追求的终极目标。近年来针对特定问题开发的高效算法和高速发展的计算能力共同推动了物理仿真的发展,然而实际应用中物理仿真所需求的计算资源和时间成本往往还是会超出预算。因而实践中不得不在速度和准确度之间做一定取舍,比如降低仿真规模、算法复杂程度等来换取更好的运行性能。与此同时,处理器速度与存储容量的增长推动着计算能力的爆炸式增长,而相比之下,时钟频率和存储访问
学位
近三十年来,布料仿真一直是计算机图形学领域最热门的研究方向之一。针对布料仿真的各个阶段(布料模型、时间积分、拉伸限制、碰撞处理等)出现的不足,研究者做了大量研究,并取得了很好的成果。目前,基于物理的布料仿真已经可以生成高真实感的布料形态,并广泛应用于服装设计、电影、游戏等领域。其中,以虚拟试衣镜为代表的实时虚拟试衣应用一直吸引着科研界和工业界的目光,数款虚拟试衣系统被相继推出,但大多缺乏动态性和真
数字化口腔诊疗技术的发展,使得患者信息采集、治疗方案设计、治疗效果评估等诊疗环节更加全面、准确且安全。使用光学成像设备和锥形束计算机断层扫描成像(Cone beam CT,CBCT)设备可以快速获取患者的三维网格数据和CBCT图像数据。通过观察患者医学数据中的相关组织结构,医生可以实施更为有效和个性化的治疗。如何从患者的医学数据中抽取得到有助于临床诊疗的组织结构信息,是数字口腔技术应用发展的关键。
学位
作为机器学习的一个重要分支,强化学习是一类在线学习的方法,其目的是最大化与环境交互所获得的长远回报。近年来,强化学习领域的研究取得了长足的进展,在机器人控制、游戏与博弈、仿真模拟、调度与优化等领域取得了广泛的应用。然而,现有强化学习方法仍面临着一些挑战。相比于其他类型的机器学习方法,强化学习的样本数据利用率往往较为低下,针对一些高维空间问题时探索效率不高,以及算法健壮性差等。本文从强化学习的样本数
学位
近年来,随着传感器技术的发展和智能设备的普及,各行各业收集获取了海量的时空数据,它们通常记录了数据对象的时间、空间和其他各类多元属性信息和特征。以数据挖掘、人工智能技术为基础的时空数据分析技术迅速成为科研、应用领域的热门课题,并被广泛地应用于诸如城市规划决策,交通监督管理,人群行为模式分析等应用场景中。然而,由于时空数据的多源异构性和分析任务的复杂多样性,使得现阶段的数据的管理和分析面临了诸多挑战
学位