Institute of Computing Technology, Chinese Academy IR
| 高速网络监控中大流量对象的提取 | |
| 王风宇1; 云晓春2 | |
| 2007 | |
| 发表期刊 | 软件学报
 |
| ISSN | 1000-9825 |
| 卷号 | 18.0期号:012页码:3060 |
| 摘要 | 在高速网络环境下,由于受计算及存储资源的限制,及时、准确地提取大流量对象对于检测大规模网络安全事件具有重要意义.结合LRU淘汰机制和LEAST淘汰机制,建立了基于二级淘汰机制的网络大流量对象提取算法(LRU&LEAST replacement,简称LLR),两种淘汰机制相互弥补不足,较大地提高了算法的准确性.由于算法占用存储空间较少,从而可以在有限的SRAM空间中更快地处理流量信息.该算法在网络数据量增加的情况下不必增加存储空间.具有很好的可扩展性. |
| 关键词 | 网络测量 大流量对象 淘汰机制 异常检测 |
| 语种 | 英语 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://119.78.100.204/handle/2XEOYT63/37258 |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 1.山东大学 2.中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 王风宇,云晓春. 高速网络监控中大流量对象的提取[J]. 软件学报,2007,18.0(012):3060. |
| APA | 王风宇,&云晓春.(2007).高速网络监控中大流量对象的提取.软件学报,18.0(012),3060. |
| MLA | 王风宇,et al."高速网络监控中大流量对象的提取".软件学报 18.0.012(2007):3060. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [王风宇]的文章 |
| [云晓春]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [王风宇]的文章 |
| [云晓春]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [王风宇]的文章 |
| [云晓春]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论