基于时间压缩的流量加速回放方法

doi:10.11959/j.issn.2096-109x.2021082

网络与信息安全学报 ›› 2021, Vol. 7 ›› Issue (5): 178-188.doi: 10.11959/j.issn.2096-109x.2021082

• 学术论文 • 上一篇

基于时间压缩的流量加速回放方法

王硕, 柏军, 王佰玲, 张旭, 刘红日

哈尔滨工业大学（威海）计算机科学与技术学院，山东威海 264209

修回日期:2021-08-31 出版日期:2021-10-15 发布日期:2021-10-01
作者简介:王硕（1996− ），男，山东东营人，哈尔滨工业大学（威海）硕士生，主要研究方向为网络安全、流量回放、用户行为模拟
柏军（1969− ），男，辽宁鞍山人，哈尔滨工业大学（威海）副教授，主要研究方向为物联网应用技术、计算机体系结构、嵌入式系统等
王佰玲（1978− ），男，黑龙江哈尔滨人，哈尔滨工业大学（威海）教授、博士生导师，主要研究方向为工业互联网安全、信息对抗、信息安全、信息搜索、金融安全
张旭（1995− ），男，安徽合肥人，哈尔滨工业大学（威海）硕士生，主要研究方向为网络安全、用户行为模拟
刘红日（1982− ），男，山东烟台人，博士，哈尔滨工业大学（威海）助理研究员，主要研究方向为网络行为模拟、工业控制系统的流量审计和网络安全互联
基金资助:
国家重点研发计划(2018YFB2004200)

Accelerated traffic replay method based on time compression

Shuo WANG, Jun BAI, Bailing WANG, Xu ZHANG, Hongri LIU

School of Computer Science and Technology, Harbin Institute of Technology (Weihai), Weihai 264209, China

Revised:2021-08-31 Online:2021-10-15 Published:2021-10-01
Supported by:
The National Key R＆D Program of China(2018YFB2004200)

摘要/Abstract

摘要：

随着网络流量的激增，在虚拟环境下对流量进行回放面临着许多问题。为了满足回放过程中流量完整性和准确性的需求，提出了一种基于时间压缩的流量加速回放方法，实现了在虚拟环境下对真实网络流量的加速回放。该方法优先将时间间隔集合中最大的时间间隔进行压缩，对间隔较小的时间减少压缩，从而减少时间压缩造成的单位时间流量猛增现象，进而降低流量的丢包率。从丢包率、时间间隔误差、相似度3方面对其效果进行衡量。实验表明，与等比压缩方法相比，该方法在相似度上表现较差，但有着较低的丢包率和时间间隔误差。

关键词: 网络安全, 流量回放, 最大优先, 时间间隔

Abstract:

With the proliferation of network traffic, replaying traffic in a virtual environment faces many problems.In order to meet the requirements of traffic integrity and accuracy in the replay process, an accelerated traffic replay method based on time-compressed was proposed to achieve accelerated replay of real network traffic in a virtual environment.The method prioritized the compression of the largest time interval in the set of time intervals, and reduced the compression of the smaller intervals, thus reducing the traffic spike per unit time caused by time compression, and reducing the packet loss rate of traffic.The effect was measured in terms of packet loss rate, time interval error and similarity.The experiments show that this method has a lower packet loss rate and lower time interval error compared with the isometric compression method, although it performs worse in similarity.

Key words: cyber security, traffic replay, maximum priority, time interval

中图分类号:

TP393

王硕, 柏军, 王佰玲, 张旭, 刘红日. 基于时间压缩的流量加速回放方法[J]. 网络与信息安全学报, 2021, 7(5): 178-188.

Shuo WANG, Jun BAI, Bailing WANG, Xu ZHANG, Hongri LIU. Accelerated traffic replay method based on time compression[J]. Chinese Journal of Network and Information Security, 2021, 7(5): 178-188.

图/表 8

图1

图2

图3

图4

图5

表1

表2

图6

参考文献 18

[1]	方滨兴, 贾焰, 李爱平 ,等. 网络空间靶场技术研究[J]. 信息安全学报, 2016,1(3): 1-9.
	FANG B X , JIA Y , LI A P ,et al. Cyber Ranges:state-of-the-art and research challenges[J]. Journal of Cyber Security, 2016,1(3): 1-9.
[2]	FERGUSON B , TALL A , OLSEN D . National cyber range overview[C]// Proceedings of 2014 IEEE Military Communications Conference. 2014: 123-128.
[3]	WABISZEWSKI JR M G , ANDEL T R , MULLINS B E ,et al. Enhancing realistic hands-on network training in a virtual environment[C]// Proceedings of the 2009 Spring Simulation Multiconference. 2009: 1-8.
[4]	ROSSEY L M , CUNNINGHAM R K , FRIED D J ,et al. LARIAT:Lincoln adaptable real-time information assurance testbed[C]// Proceedings of,IEEE Aerospace Conference. 2002:6.
[5]	AN B . Network Testing with Simulated Traffic.Does Realism Matter[R]. 2014.
[6]	MIYACHI T , MIWA S , HASEGAWA S ,et al. Hands-on environments for network technologies on StarBED[J]. Educational Technology Research, 2011,34(1/2): 107-118.
[7]	INDEX C V N . Global mobile data traffic forecast update,2016-2021[R]. 2017.
[8]	ANGRISANI L , BOTTA A , MIELE G ,et al. Experiment-driven modeling of open-source Internet traffic generators[J]. IEEE Transactions on Instrumentation and Measurement, 2014,63(11): 2529-2538.
[9]	MOLNáR S , MEGYESI P , SZABó G , . How to validate traffic generators[C]// Proceedings of 2013 IEEE International Conference on Communications Workshops (ICC). 2013: 1340-1344.
[10]	EMMERICH P , GALLENMüLLER S , ANTICHI G ,et al. Mind the gap - A comparison of software packet generators[C]// Proceedings of 2017 ACM/IEEE Symposium on Architectures for Networking and Communications Systems (ANCS). 2017: 191-203.
[11]	RING M , SCHL?R D , LANDES D ,et al. Flow-based network traffic generation using Generative Adversarial Networks[J]. Computers ＆ Security, 2019,82: 156-172.
[12]	PREVEZANOS I , ANGELOU A , TSELIOS C ,et al. Hammer:a real-world end-to-end network traffic simulator[C]// Proceedings of 2017 IEEE 22nd International Workshop on Computer Aided Modeling and Design of Communication Links and Networks (CAMAD). 2017: 1-6.
[13]	PARRY J , HUNTER D , RADKE K ,et al. A network forensics tool for precise data packet capture and replay in cyber-physical systems[C]// Proceedings of the Australasian Computer Science Week Multiconference. 2016: 1-10.
[14]	LIN Y D , LIN P C , LIN Y ,et al. On-the-fly capture and replay mechanisms for multi-port network devices in operational networks[J]. IEEE Transactions on Network and Service Management, 2014,11(2): 158-171.
[15]	HUSSAIN A , PRADKIN Y , HEIDEMANN J . Replay of malicious traffic in network testbeds[C]// Proceedings of 2013 IEEE International Conference on Technologies for Homeland Security (HST). 2013: 322-327.
[16]	LI L , HAO Z Y , ZHANG Y Z ,et al. Traffic replay in virtual network based on IP-mapping[M]// Algorithms and Architectures for Parallel Processing. Cham: Springer, 2015: 697-713.
[17]	CHU W B , GUAN X H , CAI Z M ,et al. Real-time volume control for interactive network traffic replay[J]. Computer Networks, 2013,57(7): 1611-1629.
[18]	CALLEGATI F , CERRONI W , CONTOLI C ,et al. Performance of Network Virtualization in cloud computing infrastructures:the OpenStack case[C]// Proceedings of 2014 IEEE 3rd International Conference on Cloud Networking (CloudNet). 2014: 132-137.

加速幅度	GCA/μs	MPCA/μs
2	75.51	56.91
4	51.47	52.11
8	49.74	53.91
10	48.10	50.37
20	50.41	47.00

加速幅度	GCA	MPCA
2	99.9%	64.80%
4	99.9%	52.73%
8	99.9%	39.26%
10	99.9%	40.43%
20	99.9%	37.00%

基于时间压缩的流量加速回放方法

Accelerated traffic replay method based on time compression

在线阅读

pdf下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 18

相关文章 15

Metrics

推荐阅读 0

[1]	王贺立, 闫巧. 基于交易记录特征的自私挖矿检测方案[J]. 网络与信息安全学报, 2023, 9(2): 104-114.
[2]	陈训逊, 李明哲, 吕宁, 黄亮. 内禀安全：网络安全能力体系化构建方法[J]. 网络与信息安全学报, 2023, 9(1): 92-102.
[3]	李东, 郝艳妮, 彭升辉, 訾瑞杰, 刘西蒙. 国家自然科学基金委员会网络安全现状与展望[J]. 网络与信息安全学报, 2022, 8(6): 92-101.
[4]	邢福康, 张铮, 隋然, 曲晟, 季新生. 面向进程多变体软件系统的攻击面定性建模分析[J]. 网络与信息安全学报, 2022, 8(5): 121-128.
[5]	王泽南, 李佳浩, 檀朝红, 皮德常. 面向网络安全资源池的智能服务链系统设计与分析[J]. 网络与信息安全学报, 2022, 8(4): 175-181.
[6]	王馨雅, 华光, 江昊, 张海剑. 深度学习模型的版权保护研究综述[J]. 网络与信息安全学报, 2022, 8(2): 1-14.
[7]	王洋, 汤光明, 王硕, 楚江. 基于API调用管理的SDN应用层DDoS攻击防御机制[J]. 网络与信息安全学报, 2022, 8(2): 73-87.
[8]	邱洁, 韩瑞, 魏志丰, 王志洋. 网络空间公共基础设施体系及安全策略研究[J]. 网络与信息安全学报, 2021, 7(6): 56-67.
[9]	赵昊, 舒辉, 康绯, 邢颖. 基于智能合约的高对抗性僵尸网络研究[J]. 网络与信息安全学报, 2021, 7(4): 30-41.
[10]	王涛, 陈鸿昶. 考虑拜占庭属性的SDN安全控制器多目标优化部署方案[J]. 网络与信息安全学报, 2021, 7(3): 72-84.
[11]	张成磊, 付玉龙, 李晖, 曹进. 6G网络安全场景分析及安全模型研究[J]. 网络与信息安全学报, 2021, 7(1): 28-45.
[12]	杨路辉,白惠文,刘光杰,戴跃伟. 基于可分离卷积的轻量级恶意域名检测模型[J]. 网络与信息安全学报, 2020, 6(6): 112-120.
[13]	谢博,申国伟,郭春,周燕,于淼. 基于残差空洞卷积神经网络的网络安全实体识别方法[J]. 网络与信息安全学报, 2020, 6(5): 126-138.
[14]	张孟媛,袁钟怡. 美国网络安全审查制度发展、特点及启示[J]. 网络与信息安全学报, 2019, 5(6): 1-9.
[15]	贾春福,李瑞琪,田美琦,程晓阳. 信息安全与法学复合型人才培养模式[J]. 网络与信息安全学报, 2019, 5(3): 31-35.