RobustSketch:支持网络流量抖动的大流弹性识别方法

作     者：熊兵 刘永青 夏卓群 赵宝康 张锦 

作者机构：国防科技大学计算机学院 天普大学计算机与信息科学系 长沙理工大学计算机与通信学院 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

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) 

主　　题：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 

摘      要：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2.7倍以上,有效提升了大流识别的精确性和鲁棒性.