论文部分内容阅读
在对非合作目标网络进行被动的拓扑测量时,往往需要通过捕获大量的网络数据包进行分析还原。通过对还原出的残缺IP网络进行链路预测,就可以有针对性地传回一些网络报文数据,利用有限的报文数据尽可能完整地还原非合作目标网络的拓扑结构。本文主要利用Internet显示出的小世界网络、无标度网络以及其结构具有自相似性等特征研究将现有的链路预测技术应用于残缺IP网络拓扑的链路预测,研究不同的链路预测算法在不同类型的IP网络中的预测结果,同一类型的IP网络中不同的链路预测算法在不同残缺程度下的准确度,以及同一类型的IP网络中不同链路预测算法在不同网络大小的准确度。通过对校园网、ISP骨干网、AS级IP网络拓扑三种类型的网络进行链路预测研究。在校园网上,从实验结果中我们可以看出,优先连接指标的效果要明显好于其它算法。而在骨干网上,除了优先连接指标外,AA指标和资源分配指标在部分网络中也有较好地表现。在AS级网络拓扑上,优先连接指标总体预测结果要明显好于其它算法,但是其精确度并不高。大度节点不利指标、Jaccard指标、LHN-I指标、Salton指标和Sorenson指标五个算法在上面3种类型的IP网络中都表现很差,并不适合应用于IP网络的链路预测。通过模拟不同残缺程度的残缺拓扑,并对这些残缺拓扑使用十种链路预测算法进行链路预测,分析了各个链路预测算法在不同残缺程度下链路预测的准确性的变化。通过实验分析,我们可以看出优先连接指标在处理各种残缺程度的链路预测拓扑时都比其它链路预测算法要具有较好的结果。通过模拟不同规模的残缺拓扑,并对这些残缺拓扑使用链路预测算法进行链路预测,分析各个链路预测算法在不同网络规模下链路预测的准确性以及它们随着拓扑规模的变化其准确性的变化。通过实验分析,优先连接指标在处理各种网络规模的链路预测拓扑时都具有较好的结果,然后是资源分配指标、AA指标和共同邻居指标。这四个算法都在较小的网络规模下具有较好的准确性。