随着互联网的飞速发展，网络测量的重要性日益突出。网络测量可以精确地捕捉互联网行为的测量数据，包括延迟、丢包率、带宽、吞吐量、瓶颈、服务器和网络设备的响应时间等。网络测量是认识网络运行规律、及早发现网络中的恶意攻击行为、优化网络结构部署、提高网络整体性能、改善网络服务质量的重要手段，具有较强的实用价值和广阔的应用前景，因此它已经成为当今网络技术领域的研究热点之一。　　 互联网的分散性、异构性以及分域自治等特点给传统的网络测量方法带来了巨大挑战。由于对互联网协议的最初设计并没有考虑网络测量的需要，虽然网络运营商可以在自己的管理域中部署测量点来了解网络运行情况，但是互联网的复杂性使得直接部署大量测量点来获取网络内部性能的做法是不切合实际的。同时由于大多数网络应用是跨越互联网中的很多子网，因此通过外部端到端的测量方式来了解互联网的整体性能情况对于保证网络服务质量是非常重要的。本文主要研究基于网络透视理论的网络链路级性能测量，即利用网络路径端到端的测量方式来获取网络整体性能情况，通过采用统计学方法来分析网络内部性能。本文主要围绕网络链路级延迟、丢包率等网络属性，从离散模型和连续模型、统计推断策略、度量方法等方面进行了深入的研究，提出了基于网络透视理论的网络链路级延迟、丢包率的测量方法。本文的主要研究成果如下：　　 (1)针对离散延迟模型量化不准确的问题，提出一种基于逻辑多播树的网络链路级延迟分布推断方法。该方法采用路径端到端的多播测量方式进行研究，在满足网络链路级延迟的时间独立性和空间独立性的假设下，针对不同的网络路径级延迟分布，提出分情况量化处理方式来选取离散延迟模型中的量化单元大小和量化范围，并在此基础上，采用最大似然估计和期望最大化算法对网络路径级延迟分布情况进行分析，并推断出网络链路级延迟分布情况。该方法适用于在网络内部节点处于非协作情况下的网络延迟测量，同时该方法可以合理地选取延迟分布的初始化值，减少估计值的计算次数。　　 (2)针对不灵活的网络丢包率离散模型问题，提出一个对网络数据包通过率进行统计推断的连续模型。在满足网络链路级数据包通过率的时间独立性和空间独立性的假设下，该统计推断模型是基于路径端到端的网络测量方式，采用累积量母函数对网络路径级数据包通过率进行分析，以推断出网络链路级数据包通过率的统计信息，并得到各条链路间数据包通过率的大小关系。同时根据网络数据包通过率与丢失率之间的关系间接得到网络链路级数据包丢失率的信息，并发现网络瓶颈链路。　　 (3)针对复杂拓扑结构的网络链路级延迟推断问题，提出一种针对多发送端拓扑结构的网络链路级延迟推断方法。该方法采用网络路径端到端的多播测量方式进行推断研究。在满足网络链路级延迟的时间独立性和空间独立性的假设下，提出将复杂的多发送端拓扑结构的网络分解成多个简单的单发送端拓扑结构的分解单元，并按照各分解单元所含链路个数的升序顺序推断各分解单元中的网络链路级延迟分布。对每个分解单元的推断是在完成拓扑简化处理后，采用最大似然估计法来推断网络链路级的延迟分布。整个拓扑结构的推断过程使得分解单元中数据流共享链路上的延迟分布的真实值和估计值之间的差异逐渐减小。该方法充分利用了各条路径上的网络延迟数据，因此网络链路级延迟推断结果较为精确。同时该方法可以应用到多发送端拓扑结构中网络链路级丢包率推断上。　　 (4)针对从复杂的网络拓扑结构中获取有用统计信息的问题，提出基于路由矩阵的网络链路和网络路径的度量方法。对单链路和单路径度量、链路间或路径间相似度量和它们的相异度量进行定义，并分析它们的性质。该度量方法可以帮助网络研究人员根据实际情况选取网络重要位置并部署性能测量点，同时可以用于分析网络链路间和网络路径间的依赖关系，并且评价网络透视方法的推断精确度。