Internet网络流量的自相似性分析.docx

·?‰???·$?щ?:1000—3428(2005)23—0104—03$????:A$????:TP393Internet网络流量的自相似性分析房一泉，程 华，黄建华（华东理工大学计算机科学与工程系，上海 200237）摘 要：网络流量的自相似参数估计方法有多种，但研究表明这些方法在准确性或计算上都有一定的局限性。该文在小波包分解的基础上，考虑信号能量在分解过程中的分布，得到基于小波包分解的 Hurst 参数估计方法。通过对两组合成数据的参数估计，表明该方法在继承了 小波变换的计算优势的基础上，能得到更精确的估计结果。把该方法应用于计算实际互联网流量的自相似参数，并在此基础上着重分析了 受到蠕虫攻击的 Internet 流量的自相似性的变化，得到了一些有用的结论。关键词：自相似性；Hurst 参数；离散小波包变换Self-similarity Analysis of Internet Network TrafficFANG Yiquan, CHENG Hua, HUANG Jianhua(Dept. of Computer Science and Engineering, East China University of Science and Technology, Shanghai 200237)【Abstract】There are several methods to estimate parameter H, which measures the degree of self-similarity of network traffic, but researches haveindicated that they have limitations either on accuracy or on computation. This paper introduces a method based on the discrete wavelet packet transform (DWPT) for Hurst parameter estimation. It estimates the synthesis data and real Internet data by this method for the purpose of validating the accuracy and robustness. Then it focuses on the variation of self-similarity of abnormal traffics with different Internet worms by the parameter H and the percentage of component grouped by protocol types.【Key words】Self-similarity; Hurst parameter; Discrete wavelet packet transform (DWPT)文献[4]等表明网络流量在时间测量尺度为毫秒~秒级时具有自相似特性，流量的自相似特性与该过程的长相关特性 有关，即可用长相关过程参数来估计自相似的二阶统计参数 H。而 H 的得到只能通过参数估计的方法，人们已经提出了 多个方法用于估计 H，如 R/S 法、方差时间图法、周期图法、 Whittle 估计量法和小波分析法。小波变换及多分辨率分析具 有尺度分析的特点，特别适合于长相关过程的分析。但离散正交小波变换的主要信息集中在低频域，高频部分不再进一步分析；小波分析法中只采用了小波变换的小波系数，丢失 了对尺度系数的信息分析。小波包分解是为了进一步提高频 率分辨率，克服小波变换在中高频段频率局部性差的缺陷， 以满足对不同特性的信号进行时频局部细分的需要而产生的 一种强有力的信号变换方法。依据已有的小波分析法，文献[1]提出了以小波包分解为 基础的自相似参数 H 的估计方法（DWPT 法），而且也指出该方法是精 确稳定的。 本 文分别采用多 组合成数据和 实 际 Internet 网络流量，依据分解小波及分解层次的不同进一步的 比较测试，都证明该方法是稳定的；并在此基础上估计受蠕 虫攻击的 Internet 流量的自相似参数，分析该异常流量的自 相似参数的变化，并得到一些有用的结论。1 基于小波包的参数估计方法(DWPT 法)小波包分解就是采用尺度分解的方式将信号频带进行多层次划分，得到一组低频信号和一组高频信号，并对低频和 高频信号一直分解下去，构成一棵完全二叉树。从能量的角 度，小波包变换将信号能量分解到不同的时频平面上，小波包系数的模值正是信号在某个时频窗口内能量大小的反映。信号经过多级小