论文摘要：基于(k,m)-Traceroute拓扑发现分析与预测的研究

近年来，随着复杂网络研究的兴起，人们对Internet拓扑发现的研究广泛开展。而基于(k,m)-Traceroute的拓扑探测是目前人们获取Internet拓扑结构信息的主要手段。因此，研究traceroute在拓扑发现中的行为特性，利用其来分析、揭示和预测拓扑发现中的一些性质，能帮助人们更好地了解、认识Internet，特别是下一代互联网络IPv6。本文经过大量的实验观察和丰富的数据分析，揭示了一种广泛存在于traceroute拓扑探测过程中的新特性：基于(k,m)-Traceroute的拓扑发现中，在不考虑探测点和目的地址位置分布或其分布是随机的情况下，拓扑发现的节点数、链接数和探测点数三者之间两两互有幂的关系。由于该“幂”特性出现在traceroute拓扑探测过程中，本文称之为Trace Power Law。据我们所知，该特性是首次被发现和提出的，希望能帮助人们更好地理解和使用traceroute。本文的主要成果有以下几个方面：1．通过对新特性进行数学建模，利用简单的数学推导，给出了两个能用来预测拓扑发现的节点数和链接数的公式。实验结果表明，预测具有很高的准确性。比如在iPlane平台上95%的测试数据预测误差在3%以内。2．提出一种新的度量拓扑发现中增加探测点和增加目的地址引起边际效应的方法。通过与其他基于信息熵的方法对比，本文的方法更为准确，更能真实反映边际效应的变化趋势。3．提出一种评估新增探测点对整个拓扑探测平台效用的方法。基于拓扑探测平台已有的历史数据，它能够帮助人们定量分析和评估新增探测点是否使整个平台的拓扑测量能力得到应有的提升。最后，本文设计并开发了一个基于隧道的IPv6骨干网络拓扑探测系统TNTraceroute6。通过其他拓扑探测平台收集的数据对比，该系统能够发现更为丰富的拓扑数据。另外，本文在其最新的探测数据集上进一步验证了新特性的普适性。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://www.87cpy.com/203740.html