【摘 要】
:
近年来,随着信息通信技术的快速发展和信通网络的大规模部署,新兴网络应用大量涌现。信通网络各层协议和应用在正式部署于实际系统之前须经过严格的测试。因而,构建逼真度高、成本可控且灵活可扩展的测试网络对于网络研究具有重要意义。现代信通网络结构复杂、构建成本巨大,若所有测试网络均采用实际物理设备搭建,将耗费极大的人力和物力。为降低构建大规模测试网络的成本,提升测试网络灵活性和可扩展性,可采用虚拟节点构建测
论文部分内容阅读
近年来,随着信息通信技术的快速发展和信通网络的大规模部署,新兴网络应用大量涌现。信通网络各层协议和应用在正式部署于实际系统之前须经过严格的测试。因而,构建逼真度高、成本可控且灵活可扩展的测试网络对于网络研究具有重要意义。现代信通网络结构复杂、构建成本巨大,若所有测试网络均采用实际物理设备搭建,将耗费极大的人力和物力。为降低构建大规模测试网络的成本,提升测试网络灵活性和可扩展性,可采用虚拟节点构建测试网络。另一方面,若测试网络节点均采用虚拟节点复现,则无法保证仿真逼真度。因而,论文提出了基于虚实融合技术的网络仿真理念。在由实际物理节点构成的网络拓扑上,将大量虚拟节点接入物理网络,与物理节点共同构成大规模被测网络,从而实现在提升测试网络构建灵活性、敏捷性和可扩展性同时,有效降低其构建成本。论文基于课题组的网络仿真测试云相关研究,创新提出并实现了基于节点映射和基于虚拟交换机的两种单物理节点虚实融合方案,并进一步对其性能进行优化,在实现物理网络接入网络仿真测试云的同时,引入容器技术,以高效利用网络仿真云底层物理资源。此外,论文提出了基于节点映射实现的动态链路虚实融合仿真方法,实现了模拟任意被测节点和网口的随机失效事件。此外,针对物理网络种类复杂,数量繁多的特点,论文提出了两种可拓展的、易搭建的面向多个网段的物理网络虚实融合方案,即:基于多浮动IP与基于路由节点的多网段虚实融合方案。其中,基于路由节点的方案解决了基于多浮动IP方案的物理网卡瓶颈问题,可更好地满足网络仿真测试云多网段虚实融合仿真需求。论文通过网络测试工具对基于节点映射和基于虚拟交换机的两种单物理节点虚实融合方案进行了互通性验证,紧接着对基于路由节点的多网段虚实融合方案进行了三个不同网段的互通性验证。进一步,论文对上述虚实融合方案分别进行了时延、带宽等多维度的性能评估。此外,论文通过应用案例中的目标仿真场景,来验证仿真测试云在加入了虚实链路后,与普通的虚拟链路或物理链路相比,是否依然可以正常仿真。经过实验结果表明,论文研究的虚实融合仿真方案可以有效可靠地实现物理节点与虚拟实例节点共同仿真。
其他文献
随着网络环境日益复杂,越来越多网络协议开发者选择构建私有协议来进行数据的发送和接收,以满足其个性化需求。但是也有许多恶意应用程序利用私有协议来进行网络数据的传输,大大降低被破解的可能性,同时让此类非法活动变得更加隐秘,给网络安全带来巨大威胁。因此,对这些未知协议进行分析和处理,是网络安全领域亟需解决的问题之一。采用传统的从软件层面逆向分析二进制代码的方式不仅实现复杂、可移植性低、无法分析加密程序,
在人类探索世界的过程中,存在着许多无法到达的场所,而足式机器人由于其承载能力强、稳定性好、适应各种不同地形而成为研究重点,六足机器人由于其相对四足机器人可以实现更好的稳定性,而与八足机器人相比,六足机器人机体结构又更为简单,因此有更简单的运动控制策略,因而有其重要应用。本文设计构建了六足机器人模型,从足尖轨迹规划、中枢模式发生器、深度强化学习三种运动控制方法对机器人运动控制策略进行了研究与仿真。本
新能源汽车代表着汽车电动化与智能化的发展走向。四轮轮毂电机独立驱动的汽车方案有着简洁的传动机构和更高的可控自由度,其动力系统一直是研究的热点。本文以四轮轮毂电机独立驱动的电动汽车为研究对象,对整车动力系统方案、动力系统域控制器平台设计展开研究。主要研究内容如下:(1)针对电动汽车建立动力系统仿真计算模型,用于分析其动力性能指标,主要包括分析该汽车动力驱动系统对驱动力矩、电机转速、动力驱动总功率等需
近几年各类新兴技术例如量子科技、区块链以及人工智能迅猛发展,给传统网络带来了极大的挑战,而网络虚拟化技术为传统网络能满足多元化的网络需求带来了可能性。本文主要从以下两个方面对虚拟网络映射问题进行研究:针对深度卷积神经网络的计算负载会使终端设备产生大量能耗的问题,本文将深度卷积神经网络的计算任务作为虚拟网络请求,将它映射到多个终端设备上,由多台终端共同分担计算来减少对自身的损耗。在实现时将神经网络每
同步定位与建图(Simultaneous Localization And Mapping,SLAM)已经在机器人视觉领域进行了几十年的研究,但是基于传统建图方法下的深度估计花费时间长,很难达到工程上要求的实时性,而且地图中不具包含义信息,使得三维建模在应用方面的拓展受阻。基于这些问题本文设计了一种基于深度学习的单目图象深度估计的方法,提高建图速度,同时设计了一种融合的语义分割网络,让整个系统能够
网络服务器和个人主机经常受到网络黑客的威胁,他们使用恶意制作的数据包来利用软件漏洞并获得系统管理员权限。尽管当前研究人员针对软件漏洞及相应防御方法进行了大量的研究,但此类攻击仍然是安全领域最大的问题之一。随着数据执行保护和W⊕X的广泛部署,攻击者被迫在二进制文件中重用现有的代码片段。代码重用攻击可以执行任意的图灵完备计算而不用注入任何恶意代码。其中,面向返回的编程(ROP)已经成为攻击者规避最新操
根据图像进行三维重建是计算机视觉领域热门的研究课题,被广泛运用于自动驾驶,机器人导航,虚拟现实,增强现实等应用之中。传统的三维重建方法通常依赖于特定的硬件设备或者多视角图像,这在实际运用中是容易受限的。同时,传统的三维重建方法多用点云表示重构的三维模型,这在数据存储和处理上是不方便的。而在实际的应用场景中,我们周围的环境通常具有明显的平面结构,比如地面,建筑物表面等等。因此,用平面结构来解析三维场
车辆路径规划是智能交通中的重要研究方向之一,其研究内容主要包括路网模型、交通信息预测和路径规划算法等。如何充分利用道路交通信息,动态且快速地为目标车辆提供一条合理高效的行车路线具有非常重要的意义。论文将深度强化学习融入路径规划算法,对车辆动态路径规划问题进行了研究。论文的主要工作如下:论文针对现有路径规划中对路况分析不全面的问题,构建了基于层次分析法的道路效率指标评价模型,综合分析各种影响道路通行
随着计算机网络的发展和不断流行,越来越多的网络应用和网络服务在Internet上运转。方便大众的同时,这也给网络攻击者可乘之机。用户对网络依赖性的加大,导致网络设备的大量增加,使得攻击者更为方便地控制足够多的僵尸主机在网络上发动攻击,所以当下面对的网络安全威胁更加棘手。其中比较棘手的攻击就是分布式拒绝攻击(DDoS),这种攻击的攻击形式多,危害大,并且难以识别和防御。由于SDN技术的不断发展,结合
随着三维传感技术的极速发展,已经有大量的三维模型出现。如何帮助用户高效使用已有的三维模型,已成为如今亟待解决的问题,三维模型检索方法随之诞生。一方面,现有的基于多视图的三维模型重建算法受LSTM网络时序性的影响,重建结果与输入二维图像的顺序息息相关。另一方面,目前的三维模型检索算法大多基于传统卷积神经网络进行研究的,但是传统的卷积神经网络具有平移不变性,且由于神经元为标量的缘故需要大量的数据进行训