基于压缩感知的多粒度多尺度端到端流量重构与特征提取

端到端流量是网络测量和网络安全研究的基本内容，也是网络管理和流量工程进行网络规划、路由优化、异常侦测等工作的基础，它对网络有效管理和高效运行具有重要的实际意义。本项研究采用压缩感知理论对端到端流量重构和特征提取问题进行深入探索，通过分析抽样测量、链路测量下信号稀疏表示，构建多粒度多尺度的端到端流量重构模型，利用时频分析和尺度分析，提出多粒度多尺度端到端重构流量的特征提取机制。同时，联合抽样测量和链路测量，分析路由矩阵在已知、未知、变化的实际复杂情况下端到端流量的估计模型和特征提取算法，并深入探讨不同网络规模下多粒度多尺度端到端流量的快速重构和特征提取，建立端到端流量分布式实时重构和特征提取机制，构建关键流量矩阵的实时提取算法，解决实时网络管理问题。

端到端网络流量是网络测量和网络安全研究的重要内容，是网络设计和网络性能分析的重要参数，如何设计高效可靠的网络流量分析算法和方案，是端到端网络流量研究的主要目标。随着近年来云计算和数据中心网络的迅速崛起和成功运用，端到端网络流量出现了新的特征和新的模态，端到端网络流量的研究已经开始由传统ISP网络的研究渗入到云计算网络和数据中心网络的研究中，这是未来网络流量研究的新方向。.. 本项目对骨干网络和校园网络上的真实流量展开研究，采用压缩感知理论对端到端流量重构和特征提取问题进行深入探索，通过分析抽样测量、链路测量下信号稀疏表示，构建多粒度多尺度的端到端流量重构模型，利用时频分析和尺度分析，提出多粒度多尺度端到端重构流量的特征提取机制。同时，联合抽样测量和链路测量，分析端到端流量的估计模型和特征提取算法，并深入探讨不同网络规模下多粒度多尺度端到端流量的快速重构和特征提取，建立端到端流量分布式实时重构和特征提取机制，构建关键流量矩阵的实时提取算法，解决网络优化设计和实时网络管理问题。通过本项目的研究，提出了一系列的算法、机制和策略，获得了关于链路流量和端到端流量的多种分析方法，成功地将压缩感知理论运用到端到端流量的重构和特征分析中，达到了预期研究目标并取得了明显的研究成果。.. 通过本项目的资助，发表或录用学术论文共104篇，其中期刊论文57篇，SCI源刊论文56篇，EI源刊论文1篇，国际会议论文47篇，SCI检索48篇次，EI检索79篇次，ISTP检索12篇次；申请国家发明专利共7项，其中获得授权2项，其余5项已公示；获得国家软件著作权6项。参加6次国际学术会议，做学术报告3次共8个报告，获得国际会议最佳学术论文奖1项，指导学生获得国际会议最佳学术论文奖1项。获得辽宁省自然科学等科研学术奖5项，获得新世纪优秀人才和辽宁省百千万人才称号，并获得后续其他相关项目8项。指导硕士研究生27名，其中毕业10名，在读17名；协助指导博士研究生1名。.. 通过本项目研究所取得的成果，可以用于指导现有和未来网络的优化设计和管理，并可为未来云计算和数据中心网络中网络流量的规划和进一步深入研究提供参考。.