基于压缩感知的网络层析成像技术研究

Network measurement is most effective way to understand the network characteristics and behavior, and it is also the base of the network control, QoS implementation and network performance improvement. Network tomography is the research hotspot of network measurement field for the features of end-to-end and non-cooperation. Research of network tomography technology has achieved some results, but still unable to meet the various network services of Internet scale rapid expansion trend of Internet real-time accurate measurement needs, so there is an urgent need to introduce new theories and methods to solve the problem. In order to improve the efficiency of network measurement and reduce the network load caused by measurement process without losing the premise of accuracy, this project will research the theory of sparse representation and compressive sensing that can help to break through the key points of sparse representation for network performance parameters, measurement paths optimization and fast reconstruction of the network performance parameters. The research of this project can provide the important conditions for the Internet status monitor, network congestion detection and network resource optimization, and also can help to ensure the network safety and prevent massive network attack.

网络测量是理解网络特征和行为最有效的途径，是对互联网进行网络控制、实施QoS保证和提高网络性能的基础。网络层析成像技术以其端到端和非协作测量的特点，成为目前国内外网络测量领域的研究热点。目前，网络层析成像技术的研究虽然取得了一定的成果，但仍然无法满足互联网规模急剧扩张趋势下各种网络业务对互联网实时准确测量的需求，亟需引入新理论、新方法，开辟新的研究思路。本项目在深入研究稀疏表示和压缩感知理论的基础上，突破图上网络性能参数稀疏表示、测量路径优化选择和链路性能参数快速重构等关键技术，解决网络层析成像框架下的网络性能参数实时测量问题，在保证测量精度的前提下提高网络测量的效率，降低测量过程造成的网络负载，满足大规模互联网实时精确测量的需求。本项目的研究可以为及时了解互联网运行状况、检测网络拥塞、管理和优化资源配置的提供重要依据，也可为保障网络安全，防范大规模网络攻击提供预警信息。

网络层析成像技术以其端到端和非协作测量的特点，成为目前国内外网络测量领域的研究热点。本项目将压缩感知技术引入网络层析成像技术领域，解决了网络性能参数稀疏表示、网络测量路径优化选择和网络链路性能参数快速重构等三个关键问题。针对网络性能参数稀疏表示问题，采用奇异值（SVD）分解建立网络流量矩阵的正交基，实现网络流量矩阵的稀疏表示，通过多组SVD分解过程构造网络流量矩阵重构的近似过完备基，进一步提高网络流量矩阵的预测精度；提出了一种基于最大公共路径匹配的拓扑推断算法，解决了网络拓扑结构未知情况下的测量路径选择问题；提出了一种基于微分进化的网关优化部署方法，解决了无线传感器网络接入互联网时的路径优化选择问题；提出了以路由矩阵为基础，结合Spark常数计算进行观测矩阵构造的方法，实现了压缩感知框架下的测量路径优化选择；提出了一种自适应阈值选择的网络流量矩阵快速估计算法，解决了稀疏度未知条件下的网络性能参数重构问题；分析了网络丢包的特性，提出了一种基于子树丢包模式的链路丢包率推断算法，减少链路丢包率测量的总时间。.通过项目的研究，提高了网络层析成像理论研究水平，补充了压缩感知和稀疏表示理论。通过本项目成果的应用，为及时了解互联网运行状况、检测网络拥塞、管理和优化资源配置的提供了重要依据，也为保障网络安全，防范大规模网络攻击提供了预警信息。