网络流量的自相似特性以及生成方法的研究

网络流量的自相似特性以及生成方法的研究

李浩[1]2004年在《网络流量的自相似特性以及生成方法的研究》文中认为自相似特性是目前计算机网络(包括局域网和广域网)所具有的一个普遍特性,自相似业务量对计算机网络的管理和控制有着非常重要的影响。本论文围绕网络流量的建模问题,在业务量的统计特性分析、自相似过程描述、序列生成、多分形分析方面进行了系统深入的研究。主要工作包括: (1)对自相似流量的建模和控制研究中存在的问题进行了全面的概括和总结。 (2)分析了计算机网络中流量(业务量)的统计特性,验证了网络流量普遍存在的自相似性,讨论了几种Hurst参数的计算方法。 (3)对我们常用的网络仿真器NS2里的业务量合成方法的有效性(主要是自相似特性)进行了验证。 (4)分析几种着名的自相似过程和几种有代表性的流量序列生成方法,并说明了它们各自的优缺点。 (5)基于RMD算法,提出一种新的序列生成方法,用C语言实现并分析了它的精确性和效率。 (6)应用多重分形的分析方法对网络实际流量和NS2仿真流量进行了分析。

马维旻[2]2004年在《网络流量特征研究和分布式被动测量系统设计》文中认为网络技术的迅猛发展特别是基于Internet应用的不断涌现,使网络从信息基础设施逐步演变成人类社会的基础设施。由于Internet发展的高度异构性和变化性,基于其上的应用与网络本身也面临着诸多挑战与种种矛盾。总体上来说,当前Internet仍然只是一个可用的网络。造成这种局面尽管与最初Internet的设计理念不无关系,但最根本原因在于我们对网络的运行特征与内在本质知之甚少,导致不能对网络进行有效利用。网络流量特征研究和网络流量被动测量是深入理解网络内在本质、了解网络运行状况的根本方法和手段,是网络性能提升、优化网络设计和实施流量工程的重要途径。本文以网络测量和仿真分析为手段,对网络流量特征特别是汇聚链路流量的自相似变化特性、流到达过程自相似特性进行了深入研究与探讨,对不同业务类型下的TCP拥塞窗口均值变化进行了分析,并提出了一套分布式被动测量系统的设计方案。论文的主要工作如下:1.研究了统计时分复用对流量自相似程度的影响。网络主干链路上的流量是由很多随机到达的流在汇聚节点进行统计时分复用后汇聚而成,通过对汇聚前后流量的自相似程度进行比较分析,揭示统计时分复用对网络流量特征的影响。研究表明,汇聚后流量的包计数时间序列自相似程度低于汇聚前各支路的自相似程度,特别是在网络吞吐量较大的情况下,其明显低于任何一个支路。另外,分别改变业务源数量和TCP接收窗口大小而不改变业务源发送速率,观察他们对自相似程度的影响。实验结果表明,网络流量的包计数时间序列的自相似程度并不随业务源数量的增加而减小,TCP接收窗口初始值的大小对自相似程度变化基本没有影响。2.对流到达间隔时间序列进行了多尺度分析。由于流到达间隔时间序列准确反映了流的到达过程,通过对其进行分析,有助于基于流交换的网络设备、服务器和基于流的计费系统设计。分析结果表明,全体流到达过程存在一定的相关性,但相关性比较弱,其流到达间隔序列在多个尺度上的尺度成分一般都小于0.7;TCP流到达过程的自相似特性与全体流的到达过程比较接近;HTTP流的到达间隔时间序列的自相似特性呈现出明显的多尺度特性,小尺度上几乎是不相关的,而大尺度具有长程相关性,其中HTTP流到达间隔时间序列中的少部分大序列值对其大尺度上的长程相关性有显着影响。3.研究不同流量特征的业务流对TCP拥塞窗口均值变化的影响。TCP拥塞窗口均值的变化特征可从一个方面反映出TCP的工作性能,变化越大,说明TCP工作越不稳定。论文采用网络仿真分析的方法,在TCP上加载不同流量特征的FTP业务流和WWW业务流,观察TCP拥塞窗口均值变化情况。实验表明两种不同的业务流对TCP拥塞窗口均值变化有不同的影响。当带宽比较小时,两种业务流下,TCP拥塞窗口均值变化的方差基本没有差异;当带宽比较大时,WWW业务流下的TCP拥塞窗口均值变化的方

王杰[3]2006年在《网络流量自相似特性分析与研究》文中进行了进一步梳理随着网络的普及以及新的应用如(VoD,VoIP)的出现,宽带网络服务需求(如多媒体、视频业务等)的激增,网络的突发业务流量急剧增加,基于传统模型的流量特征不再适合当前网络流量的分析。由于自相似模型能够更加真实地描述网络流量的特性,成为科研人员研究的热点问题。 本文首先介绍了国内外对自相似性流量的研究现状,包括自相似性的定义、性质、生成方法、描述流量自相似程度的Hurst参数估计方法及多个具有自相似性的网络模型;重点分析了自相似流量的成因、TCP与流量自相似性的相互关系、及其对网络性能的影响。本文的试验分为叁部分: 1.校园网自相似性的研究。利用我校网络中心的网络流量监测系统对局域网流量进行采集,通过处理得到不同时段的分组到达过程,采用经验方差时间分析方法,对Hurst参数进行估计。证实校园网流量分组到达过程的统计特征是具有自相似性;实际流量从繁忙状态到空闲状态H值呈递减的趋势;且在繁忙时段,流量采集时间尺度越大,H值也越大。 2.流量自相似性的仿真试验。通过采用FFT-FGN方法在网络模拟器NS2下对生成网络模拟流量进行分析,采用方差时间分析法进行Hurst参数估计方法,并与测量得到的实际流量进行比对。证明仿真流量是具有自相似性的,可以有效地反映真实网络流量特征。在H≦0.7时,方差-时间图方法能够准确地估计H值;但对于H值较高时(H≧0.75)通过方差-时间图分析法得到的H估计值会低于期望值。 3.自相似性对网络性能影响试验。基于FFT-FGN方法生成自相似流量,分析了在不同协议、不同网络负载因素下自相似性对性能中分组丢弃率的影响,并将结果与基于传统泊松模型下的流量作以比对;同时在仿真试验中增加丢包模块,察了分组丢弃率对网络流量自相似程度的影响。随着UDP和TCP负载增加,自相似程度增加时分组丢弃率也呈增长趋势,但是泊松模型下分组丢弃率的幅度相比FGN流量下的分组丢弃率要小,证实传统模型确实存在不能准确描述网络流量特征的缺陷,自相似性对网络性能具有更大的影响。

夏正敏[4]2012年在《基于分形的网络流量分析及异常检测技术研究》文中指出网络流量分析作为计算机网络基础理论研究的前沿性热点问题之一,对于了解网络的行为,提高网络性能,以及保障网络安全具有重大的科学意义及应用价值。计算机网络是一类典型的巨复杂系统,网络系统中存在大规模非线性动力学行为(包括混沌和分形现象),社会性的交互行为(包括竞争、合作、欺骗、对抗等)以及广义的新陈代谢行为(包括软件、硬件、应用等),这些海量存在的通信实体和彼此之间的短距非线性相互作用使得网络流量越来越复杂,因此迄今为止,尚未能够建立一个有效描述网络流量特征的数学模型。其次,传统的基于微观的异常检测方法,其线性迭加往往不能和网络的复杂行为相一致。根据Gilder定律,网络带宽急剧膨胀,基于大规模网络实时性无状态保留的需求势必使目前检测方法的虚警率和漏警率居高不下。因此,准确、客观、实时地分析网络流量特性并引入全新的异常检测研究方法来保持网络安全运行是十分必要的。随着分形理论的发展,研究者对网络流量的研究不断地深入。大量的流量监测结果表明:在任何时间、任何地点、任何网络环境下,流量自相似特性在计算机网络中普遍存在,与网络类型、网络规模、网络拓扑结构、数据传输协议和网络服务几乎无关。因此,通过对网络流量分形特性的研究,并进行异常检测将具有较高的检测率,较低的虚警率和最广泛的适用性。本文针对上述问题,对流量分形特性和异常检测技术进行深入研究,并且提出了有效的解决方案,取得了一定的科研成果。本文的主要研究成果如下:1、通过分析网络流量的非平稳特性及自相似特性,提出了一种非平稳网络流量自相似模型。已有的研究在对网络流量建模时都假设流量是平稳的,而实际采集的网络流量并非全部平稳。在这种情况下,本文提出的模型首先对非平稳网络流量在自相似变化点进行实时分割,其次估计出分割后的子流量局部自相似参数,并根据该参数的大小从候选的自相似模型中自适应地选择一种对子流量进行建模。本文提出的模型能够克服流量非平稳特性对自相似建模精度的影响。2、提出了一种基于Hurst指数变化的DDoS攻击检测方法。当流量的自相似参数与模型估计值差值超过给定阈值时,判定DDoS攻击发生。对于检测阈值的设定,本文提出了基于顺序统计阈值设定法及基于最大似然估计阈值设定法,并从统计数学角度给出了检测率和虚警率。本文提出的检测方法使用Hurst参数作为检测元,不需要深入分析采集的流量数据包,只需统计分析流量数据长度,具有快速实时的优点,并且该方法不针对具体的协议、具体的检测平台,具有很强的移植性。3、在深入分析GC模型的特点后,通过考察GC模型的分形维D与自相似参数H在DDoS攻击前后的变化规律,提出了一种DDoS攻击检测方法,并给出了该检测方法的检测原理。此外,本文还提出一种基于Dempster-Shafer证据理论的D检测子与H检测子检测结果融合方法,增强了单个检测子的检测性能。由于使用了二元参数检测,提出的检测方法能够更加有效的检测网络中的DDoS攻击,尤其是轻度DDoS攻击及短时DDoS攻击。4、利用模糊逻辑在决策推理方面的优点,提出了一种基于模糊逻辑的DDoS攻击检测及强度判断方法。该方法通过估计流量在攻击前后自相似参数H以及自相似变化程度HC后,依据模糊推理规则做出攻击是否存在以及推断攻击的强度。该方法不仅可以实时地检测网络中是否存在攻击,并能够实现攻击时刻的检测及攻击强度的智能判别。

胡玉清[5]2008年在《自相似业务流量建模与性能评价研究》文中认为大量实际测量发现网络流量具有普遍的自相似性(或长相关性),对网络业务建模、性能评价和网络控制技术产生了重要影响。传统的网络模型在描述实际网络业务时,认为网络流量具有Markov性,并在此基础上建立了以Poisson过程为主的数学描述模型,这种模型具有短程相关结构。长程相关性在多个时间尺度上存在,并且在大时间尺度上对网络时延、抖动、丢包率以及吞吐量等网络性能具有重大的影响。自相似流量建模及性能分析已成为当前研究的热点。本文深入研究自相似流量建模和性能评价问题。论文首先介绍自相似的常见定义,描述自相似过程在数学和物理上的若干特征;研究网络自相似业务的建模与流量数据生成方法,并对这些业务模型的性能进行了分析;通过仿真实验研究了自相似特性对网络性能的影响。在网络流量建模和性能分析方面,目前提出的流量模型较多,本文集中精力重点研究了基于FBM和FARIMA的流量建模和网络性能评价。首先通过数学建模,推导出基于模型的理论分析结果,然后通过OPNET仿真来验证理论分析结果,以测试现有自相似业务模型的精确度及其适用范围,找出适合于刻画各种不同应用特性的自相似业务模型。文中利用能够反映自相似特性的FBM模型,采用G/D/1排队模型研究了自相似性对网络性能的影响,讨论了在Norros给出的缓冲区溢出概率公式的基础上,FBM模型为输入时,网络性能指标的解析公式。通过理论分析与仿真相结合的方法研究了包丢失概率、平均时延、队列长度等性能指标随Hurst系数、缓冲区长度、利用率、方差和负载等模型参数的变化情况,发现除了Hurst系数外,缓冲区长度、利用率、方差和负载等参数对系统的性能也存在重要的影响,有的影响甚至比Hurst系数还要大,传统的只考虑Hurst系数的性能评价方法既不全面,有时还可能会发生误导。研究结果还发现,FBM模型性能具有明显的时间尺度特性,长短时间尺度的性能支配因素不同,它们之间存在状态转变或突变。实际网络测量还显示,网络业务同时呈现长相关和短相关特性,长短相关对网络的性能产生了极大的影响,因此建立可以能够同时描述长相关和短相关特性的网络业务模型是个重要的问题。文中给出了利用FARIMA模型进行建模、拟合实际网络流量的方法和参数估计的具体步骤,研究了长短相关对网络性能的影响。研究表明:FARIMA模型可以较精确地拟合实际业务的长相关和短相关;当缓存较小时,网络性能将由短相关特性支配,而且随着缓冲区增加时,长相关业务下系统的衰减要比短相关模型下的衰减方式慢,这些发现对今后网络设计性能研究具有重要的参考价值。

张剑[6]2011年在《宽带接入网流量识别关键技术研究》文中提出当前互联网发展异常迅速,物联网、云计算等相关新技术不断涌现,宽带接入已成国际发展总趋势之一。随着网络带宽的增加以及业务类型的多样化,网络流量日益具有复杂性和动态性。及时准确地识别网络流量对于流量工程、QoS以及网络安全管理等有重要的现实意义,网络流量识别已成为互联网研究的热点之一。接入网流量具有高速性、动态性、复杂性、连续性和数据量大、存在概念漂移、不同类型数据流分布不平均等特点,网络数据流识别方法需要做到在有限存储空间和时间内快速识别并能适应数据流概念漂移等情况。传统和现有的流量识别方法大多是基于静态数据集的分类识别方法,很难适应高速、在线、宽带接入的流量识别。本文针对宽带接入网流量识别问题进行了重点研究,提出了叁种流量在线识别算法及相应识别方案和一种新的基于不确定性证据推理的决策融合流量识别原型体系。主要创新点包括以下几点:1.提出了自适应分级滑动窗决策树的分类算法AGSW-DT。该算法基于Hoeffding决策树,根据节点信息增益率检测概念漂移,动态调整不同概念滑动窗口及训练数据样本集,实现了对不同速率概念漂移的自适应检测和决策树更新。通过实验并与C4.5、CVFDT分类结果对比,显示AGSW-DT算法克服了由于概念偏态分布造成概念不完全更新的问题。在有效提高概念漂移检测效率的同时,可以获得更加均衡的不同应用类型分类准确度,适用于网络流量工程应用领域对已知应用类型流量进行带宽控制和管理等需求。2.提出了基于密度在线聚类OL-DBSCAN算法及识别方案。该算法采用数据流的若干初始数据包作为子流,满足了对数据流的早期识别要求。通过引入Q值解决了聚类算法存在的参数选择的难题。基于OL-DBSCAN在线分类方案结合了自适应在线聚类算法、DPI检测机制,实验结果表明了该方案具有识别加密数据流,提取新应用类型特征的能力,能适应数据流特征随时间变化。适用于网络安全管理方面的应用,可以有效提取未知应用类型的特征信息提供给管理者做进一步分析和处理。3.提出了基于传输层连接拓扑模式的流量分类算法TCTP。该算法利用了不同应用类型在传输层表现出的连接特征,通过提取典型应用类型的连接模式特征信息,生成应用类型和网格的映射关系以及应用类型池,进而实现了实时流量识别。该方法不依赖数据流时间统计信息,没有分类和聚类算法对时间统计特性敏感的问题,具有较高的实时性和可靠性,对于分类方法和聚类方法具有良好的补充识别作用。4.提出了基于证据推理的多分类器决策融合识别原型体系。由于每种流量识别算法各有优缺点,为有效利用多个不同算法的识别结果,需要实现决策信息融合,提出了流量识别原型系统基于证据推理的不确定性决策融合算法,采用最大信任函数融合,实现了多分类器的决策信息融合。实验结果显示了该体系能大幅提高分类准确率,同时降低分类的拒识率和错误率,综合识别结果表明在各指标上都要优于单个分类器,充分发挥了各分类器的优势。

韩忠玲[7]2008年在《分形高斯噪声Hurst参数估计的实验评价》文中研究说明网络业务量是网络测量、网络行为学、网络接入控制、网络性能分析等研究方向的关键部分。随着包括计算机通信网络的高速发展,以及新的应用如视频点播技术(Video On Demand,VOD),网络电话(Voice over Intemet Protocol,VOIP)的出现,网络的突发业务流量急剧增加,网络的业务量特性也呈现出与传统的业务量模型极为不同的性质,给网络业务量特性的研究和分析带来了新的挑战,同时也为网络业务量特性的研究开辟了新领域。由于自相似模型能够更加真实地描述网络传输的特性,因此通过生成具有自相似性的流量的仿真研究是网络业务量研究的一个重要方面。本文第一章介绍了课题的背景以及国内外对自相似流量的研究现状;第二章介绍了传统网络业务模型中较为典型的网络流量模型、自相似、长相关的数学定义以及常见的自相似业务模型。在第叁章中给出了自相似业务量产生算法的分类以及各类较为突出的几种算法的详细说明及其实现。在第四章,论文对现有的比较经典的Hurst参数估计算法做出了实验评价。首先检验了各种算法识别自相似序列的能力;其次从准确性、一致性、运算复杂度以及运算时间对这些算法做出了综合的比较;最后讨论了周期信号、高斯随机信号以及序列的相关结构对各种算法的影响。第五章在MATLAB的GUIDE平台上开发了FGN随机数据仿真与Hurst参数估计系统,这样做有利于我们今后更快、更方便的生成FGN序列以及估计Hurst参数。本文的主要贡献有:(1)在MATLAB环境下对几种FGN序列生成算法进行了仿真与分析;(2)对Hurst参数估计的八种方法进行了系统的比较,通过对它们的精确度、计算复杂度以及一致性进行了比较;(3)对影响Hurst参数估计的一些因素进行了深入的研究,能够更快、更准确的估计Hurst参数;(4)在MATLAB的GUIDE平台上开发了FGN随机数据生成和Hurst参数估计系统。

王建荣[8]2011年在《基于自相似特性的片上网络流量分析与建模》文中研究表明片上网络(Networks-on-Chip,NoC)是为解决深亚微米尺寸下总线结构的系统级芯片(System-on-Chip,SoC)通信效率低、可扩展性差、集成度受限等问题而提出来的一种全新的通信架构。采用NoC通信结构的多核系统级芯片(Multi-Processor SoC, MPSoC)不再受全局时钟树设计和布线的困扰,全局异步局部同步(Globally Asynchronous Locally Synchronous,GALS)的时钟设计能够提供理论上的空间无限扩展性。基于分组交换的核间通信提供了理想的带宽和高效率低延时的通信质量,标准化的通信架构和规则的网络拓扑使得IP重用设计(Intellectual Property Reuse)技术的优势在NoC设计中有了更大的发挥空间。网络流量特性对网络性能有着极大的影响。针对因特网的网络流量研究已经取得了丰硕的成果并且为互联网事业的发展起到了极大的推动作用。近年来随着NoC研究的深入,学者们发现NoC网络上的流量不能简单地用传统的泊松、马尔科夫等短相关(Short Range Dependence, SRD)模型来模拟,并且已经发现诸如Mpeg2编解码系统等具体电路的核间通信流量是存在明显的长相关(Long Range Dependence, LRD)特性的。因此,用自相似理论去分析NoC系统的流量特性,建立一种符合实际流量模式的长相关流量模型并且在模型基础上合成用于设计的早期仿真注入的流量,是目前NoC研究领域设计空间拓展的一个前沿方向。本文通过学习计算机网络流量模型研究的相关理论,结合片上网络结构特点,通过实验方法首先验证了片上网络上的数据流量是存在突发性的,然后根据Hurst参数的估算方法,计算出了映射有OFDM基带系统的NoC的交换节点处流量自相似参数大小。将影响网络流量突发性的网络参数作为变量,分析了流水模型下Hurst参数随处理器流水级数和虚通道数目的变化规律。最后,利用经典的MMPP(2)方法合成了具有长相关特性的自相似流量,并以此流量作为仿真的注入流量,与泊松注入下的仿真结果做了对比。实验证明,在低注入率时,自相似流量下的网络性能有明显的恶化,而在超过网络带宽容限的大注入率下,自相似流量的影响不明显。因此采用自相似模型来验证NoC设计可以更好地避免芯片设计风险。

梁妍[9]2008年在《自相似流量的研究及NS2仿真》文中研究表明随着网络研究的深入和测量技术的发展,对大量网络数据的测量结果表明,网络流量呈现出自相似特性。网络流量特征研究是深入理解网络内在本质、了解网络运行状况的根本方法和手段;是网络性能提升、优化网络设计和实施流量工程的重要途径。本文以网络测量、理论分析和模拟仿真为手段,对网络流量的自相似特性进行了深入研究与探讨。首先对流量中的尺度行为、自相似、长程相关、重尾分布等基本理论进行了叙述,提出了几种常见的自相似特性的分析方法,对自相似流量的建模、成因以及对网络性能的影响等方面的研究进行了综述。其次通过ON/OFF模型分别服从不同分布的四种情况,分析说明了重尾分布对自相似特性的影响。同时,通过对Weibull分布的自相似性进行理论分析及仿真,表明自相似性源于信源的属性,并不是单一流量迭加的结果。在NS2下,采用迭加Weibull分布的ON/OFF信源的方法实现了一种自相似流量的生成。接下来采用FGN模型,通过对仿真实验数据的比较,分析了自相似流量的合并特性,得出合并后流量的Hurst系数不受合并前流量均值的影响,在误差允许的范围内,近似等于合并前方差较大流量的H值。而且对自相似流量的预测做了实验性的探讨,发现两个连续到达的网络流量之比的尾部近似服从Weibull分布,这对自相似流量的预测有着一定的意义。最后,针对分组长度可变的网络,利用仿真实现的自相似流量,对GI/GI/1╱K╱FIFO排队模型进行了排队性能的仿真分析。其中部分仿真结论与信元长度为常数的ATM排队的分析具有很好的一致性。另外从排队性能的其它方面对ATM排队的仿真结论进行了补充。

贾岩[10]2008年在《网络业务特性分析与性能评价》文中进行了进一步梳理网络业务具有分形特性,并对网络性能有着多方面的影响,对网络设计、流量控制、网络规划、网络管理以及QoS方面均有影响。与传统业务模型(如泊松模型)不同,现代网络业务的一个关键特性是自相似特性,即网络业务在大部分时间尺度范围内具有统计相似性(高度相关)和重尾特性(高变化或突发),表现为网络业务相关结构呈缓慢衰减趋势变化。而与自相似特性相比,网络业务的多重分形特性既能考查多尺度下业务的突发性,又能描述突发性相对于时间的变化,是网络业务最显着的统计特性之一。本文主要研究网络业务的自相似特性和多重分形特性及其性能评价。首先,对描述自相似程度的参数Hurst参数进行估计,对其精度、可靠性和局限性进行研究,并通过网络仿真进行分析验证。其次,论文在归纳总结自相似基本概念的基础上,研究了常见自相似业务模型(如ON/OFF、FBM/FGN、FARIMA等)的实现过程,并分析了基于这些模型所产生的自相似流量序列的准确性。第叁,对多重分形业务的参数(尺度函数和矩因子)进行估计,检测网络业务多重分形特性。最后,通过对实际数据进行分析及参数估计,实现基于联合多重分形(JMF)模型的业务产生,将由JMF模型产生的业务数据与FGN模型产生的业务数据分别作为OPNET仿真驱动进行网络性能对比仿真。通过对不同业务模型的性能分析及适应性研究表明:对实际业务的参数估计可识别网络业务特性;与FGN模型相比,多重分形模型产生的理论流量与实际测量流量的性能更为接近,其网络仿真结果更为准确,也进一步验证了网络业务的多重分形特性。

参考文献:

[1]. 网络流量的自相似特性以及生成方法的研究[D]. 李浩. 国防科学技术大学. 2004

[2]. 网络流量特征研究和分布式被动测量系统设计[D]. 马维旻. 中国科学院研究生院(计算技术研究所). 2004

[3]. 网络流量自相似特性分析与研究[D]. 王杰. 西北大学. 2006

[4]. 基于分形的网络流量分析及异常检测技术研究[D]. 夏正敏. 上海交通大学. 2012

[5]. 自相似业务流量建模与性能评价研究[D]. 胡玉清. 西南交通大学. 2008

[6]. 宽带接入网流量识别关键技术研究[D]. 张剑. 北京邮电大学. 2011

[7]. 分形高斯噪声Hurst参数估计的实验评价[D]. 韩忠玲. 华东师范大学. 2008

[8]. 基于自相似特性的片上网络流量分析与建模[D]. 王建荣. 电子科技大学. 2011

[9]. 自相似流量的研究及NS2仿真[D]. 梁妍. 辽宁科技大学. 2008

[10]. 网络业务特性分析与性能评价[D]. 贾岩. 西南交通大学. 2008

标签:;  ;  ;  ;  ;  ;  ;  ;  ;  ;  

网络流量的自相似特性以及生成方法的研究
下载Doc文档

猜你喜欢