摘要：近年来物联网发展非常迅速，为人们提供了随时随地丰富多彩的通信和信息服务。在将来，物联网的终端设备的...近年来物联网发展非常迅速，为人们提供了随时随地丰富多彩的通信和信息服务。在将来，物联网的终端设备的数量将非常巨大，遍布于城市的每一个角落，为了能够对每一个设备进行寻址，整个网络需要庞大的地址空间来支撑。在IPv4基础上发展起来的IPv6，拥有几乎取之不尽的地址空间和突出的通信性能，这为物联网的发展创造了良好的网络通信和可拓展性。IPv6还具有很多适合物联网大规模应用的特性，例如IPv6简洁的报头和良好的可扩展性，突出的安全性，自动地址配置，移动性等，这些都促使IPv6成为物联网应用的基础网络技术。
为了解决IPv6与无线传感网的结合，IETF成立了6LoWPAN（IPv6over Low power WirelessPersonal Area Network）工作小组。6LoWPAN通过在网络层和链路层之间增加一个适配层实现了IPv6数据包在IEEE802.15.4网络上的传输，它提供了IPv6报文报头压缩，IPv6报文的分片和重组以及路由支持等功能。本文也将对6LoWPAN中的报头压缩，数据分片重组和路由算法进行研究。
在低功耗网络中，如果直接采用完整的IPv6协议栈的话，也会带来一系列的问题。首先是代码空间和数据缓存对存储空间的要求很大，然后复杂的IPv6协议会使得设备的数据处理量和信息发送量非常大，会严重影响节点的生存时间。因此本文将详细分析IPv6协议栈的各功能模块，比如邻居发现、自动地址配置、ICMPv6等，根据物联网的特点和需求，对IPv6的各功能模块进行优化、精简。
最后本文设计了物联网中轻量级的IPv6协议栈，然后在TINYOS上搭建一个IPv6仿真平台，通过TOSSIM对IPv6协议栈进行测试。显示全部
摘要：网络流量是记录和反映网络及其用户行为活动的重要载体，基于网络流量的分析是认识网络的一面镜子，网络流...网络流量是记录和反映网络及其用户行为活动的重要载体，基于网络流量的分析是认识网络的一面镜子，网络流量异常检测和流量的业务类型识别是网络流量分析技术的两个基础而重要的部分。通过调研现有的方法，发现当前流量异常检测算法的执行效率较低，需要耗费大量 CPU 时间，不适于处理维数较高的网络流量类型，无法用之于大规模网络检测；有的算法复杂性较高，检测或识别算法通常滞后，不能满足在线运行要求，即算法实时性较差，对于大流量高带宽的网络流量更是如此；多数网络异常检测方法的检测率较低、网络流量识别的精确程度不高，误报率和漏报率较高，检测率和误报率很难平衡。 本文将信息熵引入流量分析，提出了一种基于相对熵统计学习的网络流量异常检测方法，该方法主要是对网络流量数据集进行多维分层处理，利用信息论中的熵值公式来对网络流量的数据包的分布进行计算，然后根据网络流量的自相似特性，采用相对熵在网络流量的各个分析视图上对网络流量异常进行检测。该方法所设计的检测方法整体规模小，算法复杂度低，与以往算法相比，对DOS、DDOS攻击和端口扫描类型的网络流量异常尤其具有更优的检测效果。 本文引入“距离”和“密度”概念，提出了一种采用流量引力聚类的网络流量业务类型识别方法，解决了原聚类算法的局部性解问题，并分别从网络流量特征属性的选取、对孤立网络流的处理、初始聚类质心的设定环节对这种流量引力聚类方法进行了适应性的处理，从实验与结果分析可知，基于本章的流量识别方法较之以前的方法聚类效果更好，识别率也更高，算法收敛得较快。显示全部
