一种基于高阶累积量的网络拓扑估计方法
【专利摘要】本发明公开了一种基于高阶累积量的网络拓扑估计方法，包括三个步骤：S1网络拓扑估计度量的建立；S2共享路径时延累积量计算；S3基于时延高阶累积量的拓扑估计计算。本发明采用单播背靠背包进行端到端测量，获取从源节点到一系列目的节点的路径时延，根据路径时延计算出每对目的节点共享路径的二阶、三阶及四阶累积量(高阶累积量)，然后利用该二阶、三阶及四阶累积量组成的向量作为拓扑估计输入，并采用节点对融合的方法进行拓扑估计，从而得到树状网络拓扑结构；由于本发明在拓扑估计中联合了多个高阶累积量，实际上更加充分地利用了链路和路径性能参数的统计信息，因此与现有的方法比较具有更高估计精度。
【专利说明】一种基于高阶累积量的网络拓扑估计方法
【技术领域】
[0001] 本发明属于网络研究领域，尤其涉及一种网络拓朴结构识别的方法。
【背景技术】
[0002]随着全球信息化的快速发展，互联网的规模越来越大，结构也越来越复杂,这就给 网络的控制、管理和优化带来了巨大的挑战。网络拓扑结构作为网络控制、管理和优化的重 要输入信息，如何识别网络拓扑结构成为网络领域研究的重要方向之一。现有网络拓扑结 构识别方法可分为两类：基于内部节点协作的方法和基于网络层析成像的方法。
[0003] 基于内部节点协作的方法是利用网络内部路由器的反馈信息（如路由信息、ICMP 报文等）构建网络拓扑结构，它需要网络内部节点的互相协作，通过查询内部节点，分析获 取得到的路由信息，从而对网络拓扑进行估计。利用该方法实现的网络拓扑工具有DNS的 Zone transfer 工具、tracetoute 工具等。Traceroute 工具利用 ICMP 报文及 IP Header 的 TTL字段（生存周期）来确定端到端路径，其操作流程为：首先，源节点发送一个TTL值为 1的数据包，第一个接收到这个数据包的路由器将TTL值减1，因此TTL的值变为0,路由器 通常会丢掉这样的数据包，并返回一个ICMP超时信息，源节点得到第一个路由信息；如此 下去，源主机每次通过将发送的数据包的TTL值加 1来发现新的路由器；最后，源主机分析 收到的ICMP报文信息，从而得到整个网络的拓扑结构。可以看出，基于内部节点协作的网 络拓扑估计方法需要中间节点的反馈信息，但是实际网络中，很多节点出于对网络安全等 因素的考虑，往往并不愿意合作，而且随着网络规模的扩大，这类方法的实用性越来越低。
[0004] 基于网络层析成像的方法（又称为网络拓扑估计）是通过端到端测量获得路径级 性能参数，利用统计学的方法推断出网络拓扑结构，其最大的优势是不需要网络内部节点 的协作，因而受到了学术界和工业界的广泛关注。
[0005] 马萨诸塞州大学的Ratnasamy等最早开展了基于网络层析成像的拓扑估计方法 的研究，利用从一个源节点向一系列目的节点发送多播探测包，估计源节点和目的节点对 之间共享路径上的丢包率，并提出一种自底向上的树状逻辑拓扑构建算法。AT&T实验室的 Duffield等在共享路径丢包率和时延方差的估计的基础上，提出DBT算法构建二叉树拓扑。 但是，由于多播方式在实际网络中并未被广泛配置，因此研究基于单播端到端测量的拓扑 估计方法具有重要的实际意义。莱斯大学的Castro等提出一种称为"三明治"包的单播端 到端测量方法，该方法可以获得探测包在共享路径上的时延差，在此基础上采用最大似然 法进行拓扑估计，能获得较为准确的结果。美国耶鲁大学的Jian Ni等针对网络的拓扑估 计问题，提出了一种基于可加性度量的拓扑估计方法，该方法不仅能够对网络的拓扑结构 进行估计，而且能够处理网络中节点的动态加入和删除等问题。
[0006] 简而言之，目前的基于网络层析成像的拓扑估计方法，是通过使用背靠背包、"三 明治"包等探测包获取源节点到一系列目的节点的路径数据，然后利用源节点到目的节点 对共享路径上性能参数的均值或者方差作为拓扑估计的输入，从而对网络拓扑结构进行估 计。这种方法的实质是假设网络链路或路径的性能参数服从某一特定分布（如高斯分布、 混合高斯分布），利用链路或路径的性能参数的一阶或二阶统计特征进行拓扑估计。
[0007]但是，由于实际网络环境的复杂性，单独使用一阶或二阶统计特征，对链路或路径 性能参数的分布估计不精确，从而可能导致估计精度较低。针对该问题，本发明提出一种基 于闻阶累积量的网络拓扑估计方法，该方法更充分地利用了性能参数的统计特征，能更精 确的估计网络拓扑。
【发明内容】
[0008] 为解决上述问题，本方面提供一种基于高阶累积量的网络拓扑估计方法，该方法 能更精确的估计网络拓扑。
[0009] 技术方案：
[0010] 一种基于高阶累积量的网络拓扑估计方法，将待求网络拓扑抽象为树状逻辑拓扑 T = (V，E)，其中V表示该树状逻辑拓扑的所有节点集，E表示所有链路集，定义s为源节 点，定义D = {1，2,3, ..·，M}，为目的节点集亦即叶节点集，其中Μ为目的节点个数，对于树 τ，除s之外的任一节点k均有一个父节点，用f (k)表示，对于任意两个目的节点u，j}，用 f (i，j)表示离这两个节点最近的公共父节点，定义ek为节点k与其父节点f(k)之间的链 路，包括以下步骤：
[0011] S1.网络拓扑估计度量的建立，具体指，以路径时延的累积量作为描述路径长度的 度量，对所述累积量定义如下：
[0012] 对于随机变量X，其r阶累积量定义为：
[0013]
【权利要求】
1. 一种基于高阶累积量的网络拓扑估计方法，将待求网络拓扑抽象为树状逻辑拓扑T =(V，E)，其中V表示该树状逻辑拓扑的所有节点集，E表示所有链路集；定义S为源节点， 定义D= {1，2,3，...，M}，为目的节点集亦即叶节点集，其中M为目的节点个数；对于树T， 除S之外的任一节点k均有一个父节点，用f(k)表示，对于任意两个目的节点{i，j}，用 f(i，j)表示离这两个节点最近的公共父节点；定义ek为节点k与其父节点f(k)之间的链 路，其特征在于，包括以下步骤：
51. 网络拓扑估计度量的建立，具体指，以路径时延的累积量作为描述路径长度的度 量，对所述累积量定义如下： 对于随机变量X，其r阶累积量定义为： xdf|,=0 其中，Gx (t)是随机变量X的累积量生成函数，形式如下： Gx (t) =log(E(etx))； 所述累积量具有如下性质： 性质1 :若随机变量X1,X2,X3, ...，Xn独立同分布，则这些随机变量的和的r阶累积量 等于它们各自r阶累积量的和，即 k'Xi+X2+Xi+.__ +Xji =K1xi +K1xi +? ; 性质2 :随机变量X的a倍生成的新随机变量的r阶累积量等于X的r阶累积量的f倍，其中a为常数，即 Kx = ；
52. 共享路径时延累积量计算，具体指： 按步骤Sl所述累积量的定义及性质计算出源节点S到目的节点对{i，j}的共享路径 时延累积量尤I1，并以该累积量中的二阶累积量、三阶累积量和四阶累积量^^组 成向量mj')，，耶J)表示源节点S到目的节点对U，j}共享路径 长度的度量，以可U)为元素组成集合V(s，D2)，Γ(5,￡>2) =Μ〇')，/:，_/ε￡?}，V(S，D2)表示源 节点S到所有目的节点对共享路径长度的度量的集合，计算向量f(U)的二范数P(i，j)， P(U) =I所，J')||表示源节点S到目的节点对{i，j}的共享路径长度的度量的二范数，以该二 范数组成集合p(s,D2),P(S,D2) ={P(i,j),i,jeD}表示源节点S到每对目的节点 的共享路径长度的度量的二范数集合，其中，X1表示源节点S到目的节点对{i，j}的共享 路径上的时延的集合； 按步骤Sl所述累积量的定义及性质计算出源节点S到目的节点i的路径时延的累积 量g,并以该累积量中的二阶累积量尤^、三阶累积量和四阶累积量I;组成向量TH/), r(/) = [K，巧，/?；其中，Yi表示所有探测包在源节点S到目的节点i的路径上时延的集 合，Yi =Iyi (I)，(2)，......，yi(n)},Yi (η)表示第η个探测包在源节点S到目的节点i的 路径上的时延，yi (η)直接由单播背靠背包进行端到端测量获得； 按步骤SI所述累积量的定义及性质计算出源节点S到目的节点j的路径时延的累 积量尺€，并以该累积量中的二阶累积量三阶累积量[I和四阶累积量尤4组成向量 歹ω,15(力=[K，ζ?f，其中，L表示所有探测包在源节点s到目的节点j的路径上时 延的集合，Yj= {y」(l)，y」(2),......，y」(η)} ,y」(η)表示第η个探测包在源节点S到目的节 点j的路径上的时延，yj(η)直接由单播背靠背包进行端到端测量获得； 以所述叩)和珂J')组成向量集合V(S，0)，「以1)) = {印)，凡/),/￡1)，#1)}，V(S，D)表 示源节点S到所有目的节点的路径时延的累积量组成的向量的集合，计算与所述V(S，D)对 应的二范数集合P(S，D)，P(S，D) = {P⑴，P(j)，ieD，jeD}，P(S，D)表示与V(S， D)中每个向量对应的二范数的集合，其中p(〇=p(/')||，p(j〇 =|卜(J)|丨； S3.基于时延高阶累积量的拓扑估计计算，包括以下步骤：
531. 初始化数据：节点集V= {S}，链路集￡ =炉；
532. 在叶节点集D中查找二范数P(i，j)最大的目的节点对{i% _f}，并构建新节点f作为它们的父节点；
533.更新输出数据：D=D\(i*，j*)，V=V U{i*，j*}，E=EU{(f，i*)，（f，j*)}， Hf/)=v(i*)-v(i\f) = >v(f,f) = v(j*)-v(i*J*) ,PifJ*)= ||^(/5/)||；
534. 查找叶节点集D中是否存在父节点为f的节点，即判定是否存在keD， 满足I卜(Λ/)-邓"'，幻I<Δ/2 :如果存在，更新输出数据：D=D\k，V=VUk，E= EU(/,I),--(/，Α) =f⑷= |f(/，々)|;如果不存在，跳过该步骤，继续下一 I K 少；
535. 更新新节点f与D中其他节点的相关数据：遍历D中所有节点，对于任意keD， 计算，D=DUf，珂/，幻=咐是)=|列/,幻I々(/)=印*，/)，々(/)=沐*，/) ^
536. 判定是否结束：如果|D| = 1，则V=VUk，E=EU(S，k)，f= (F，五）;否则，重 复第S32至S35步骤； 其中，△为最短链路长度，是判定不同的目的节点对是否具有公共父节点的门限，即当 两个不同的目的节点对的高阶累积量组成向量之间的距离小于Λ/2时，这两个目的节点 对就具有公共的父节点，对于△的设置，本发明使用所有链路中二范数最小的值作为链路 最短长度，表示为 Δ=mineeEp(e), 即具有公共父节点的节点对高阶累积量组成向量之间的距离不超过该长度的一半。
2.根据权利要求1所述的一种基于高阶累积量的网络拓扑估计方法，其特征在于，所 述源节点S到目的节点对{i，j}的共享路径时延累积量夂^的计算过程如下： 第一步，建立源节点S到目的节点对{i，j}各路径上的时延关系， Yi =XA Yj =X^X3 Yiij = 2X1+X2+X3 其中，X2表示父节点f(i，j)到目的节点i的路径时延的集合，X3表示父节点f(i，j) 到目的节点j的路径时延的集合，Yq表示源节点S到目的节点对{i，j}的路径时延的和 的集合； 第二步，利用步骤Sl中所述累积量的性质，以第一步所述时延关系建立时延累积量的 关系， K；= Krxi + Ktx2 K；- = K'X] + Krx3 K：=TKry +Κ：, +Κ：, h,j Λ? λ2 λ3 第三步，以第二步所述时延累积量的关系求解得到，
O 上式中，r的值取2、3和4。
3. 根据权利要求2所述的一种基于高阶累积量的网络拓扑估计方法，其特征在于：对 于所述夂?，利用步骤Sl所述累积量的定义计算得，
4. 根据权利要求2所述的一种基于高阶累积量的网络拓扑估计方法，其特征在于：对 于所述，利用步骤Sl所述累积量的定义计算得，
〇
5. 根据权利要求2所述的一种基于高阶累积量的网络拓扑估计方法，其特征在于：对 于所述，利用步骤Sl所述累积量的定义计算得，
【文档编号】H04L12/26GK104270283SQ201410468274
【公开日】2015年1月7日 申请日期:2014年9月15日 优先权日:2014年9月15日
【发明者】费高雷, 王鑫, 胡光岷 申请人:电子科技大学