软件学报

作者：熊兵，刘永青，夏卓群，赵宝康，张锦

单位：熊兵，长沙理工大学 计算机与通信学院, 湖南 长沙 410114;Department of Computer and Information Sciences, Temple University, Philadelphia 19122, USA11,刘永青，长沙理工大学 计算机与通信学院, 湖南 长沙 41011402,夏卓群，长沙理工大学 计算机与通信学院, 湖南 长沙 41011403,赵宝康，国防科技大学 计算机学院, 湖南 长沙 41007304,张锦，长沙理工大学 计算机与通信学院, 湖南 长沙 41011405

关键词：网络流量抖动;大流弹性识别;Sketch循环链;可伸缩小流过滤器;可拓展大流记录表

基金：国家自然科学基金(62272062, U22B2005, 61972412); 湖南省自然科学基金(2023JJ30053, 2021JJ30456); 湖南省教育厅资助科研项目(22A0232, 22B0300); 国防科技计划(2021-KJWPDL-17); 中央军委装发预研项目(31511010402); 湖南省研究生科研创新资助项目(CX20230913)

大流识别是网络测量中的一项关键基础性工作, 目前主流的方法是采用概要型数据结构Sketch快速统计网络流量, 进而高效筛选大流. 然而, 当网络流量发生抖动时, 大量分组的急速涌入将导致大流识别精度显著下降. 对此, 提出一种支持流量抖动的网络大流弹性识别方法RobustSketch. 所提方法首先设计基于Sketch循环链的可伸缩小流过滤器, 根据实时分组到达速率适应性扩增与缩减其中的Sketch数量, 以始终完整记录当前时间周期内所有到达的网络分组, 从而确保网络流量抖动出现时仍能精确过滤小流. 然后设计基于动态分段哈希的可拓展大流记录表, 根据小流过滤器筛选后的候选大流数量适应性增加与减少分段, 以完整记录所有候选大流, 并保持较高的存储空间利用率. 进一步, 通过理论分析给出了所提小流过滤器和大流记录表的误差界限. 最后, 借助真实网络流量样本, 对所提大流识别方法RobustSketch进行实验评估. 实验结果表明: 所提方法的大流识别精确率明显高于现有方法, 即使在网络流量抖动时仍能稳定保持在99%以上, 而平均相对误差减少了86%以上, 有效提升了大流识别的精确性和鲁棒性.

来源：2025年第2期

《软件学报》期刊编辑部

查看软件学报杂志2025年第2期