分享5篇关于动态阈值的计算机专业论文

今天分享的是关于动态阈值的5篇计算机毕业论文范文, 如果你的论文涉及到动态阈值等主题,本文能够帮助到你

基于Kubernetes的资源调度优化算法的研究与实现

这是一篇关于Kubernetes,资源调度,负载均衡,蚁群算法,动态阈值的论文, 主要内容为随着用户快速增长以及软件系统愈加复杂,目前微服务与云原生已经成为解决该问题的主流方案,其中Docker+Kubernetes已成为云原生主要的技术选型。但是目前Kubernetes提供的默认资源调度算法存在着一些缺陷,默认的资源调度算法更加偏重于调度效率,而对资源调度后集群的负载均衡程度考虑不足,从而造成集群的整体资源使用率以及服务性能的下降。同时目前Kubernetes版本中并没有提供动态资源调度算法。因此,如何优化初始资源调度算法以及设计出新的动态资源调度算法,对提高集群的负载均衡程度以及服务性能具有重要的意义。针对上述问题,本文从初始资源调度与动态资源调度两个方面进行了深入研究,构建了新的初始资源调度模型与动态资源调度模型。论文的主要研究成果如下:1.提出了一种基于改进遗传-蚁群算法的初始资源调度算法。该方法通过积攒一定数量的Pod同时进行调度来提高资源调度后集群的负载均衡程度。该算法改进了原始蚁群算法的启发式函数,同时设计出了一种基于奖惩机制的信息素更新方式,又根据精英保留策略与轮盘赌算法改进遗传算法的选择算子,最后根据遗传算法和蚁群算法各自的优缺点,提出了一种将遗传算法与蚁群算法进行融合的算法,将遗传算法前期快速搜索到的部分较优解转化为蚁群算法的初始信息素浓度,然后再使用蚁群算法进行最后的精细化搜索。通过实验结果表明,该算法的资源调度结果在集群负载均衡度上有着更好的表现,同时在算法收敛速度上也表现更加优异。2.提出了一种基于负载均衡的动态资源调度算法。该方法采取了一种动态自适应的阈值,阈值可以根据集群的整体负载程度以及Pod的迁移失败率来动态调整阈值,并使用三次指数平滑法来根据Node节点的历史负载数据来预测未来的负载情况,然后根据高负载Node节点中各资源指标的利用率所占的权重作为衡量Pod贡献度的权重,从而可以更加合理地选择待迁移的Pod,最后通过判断Node节点的高负载类型以及定期维护各资源指标类型的低负载Node节点队列来选取目标Node节点。通过实验证明,该方法可以显著提高集群的负载均衡程度。

基于容器云的Low-Rate DDoS攻击检测与防御方法研究

这是一篇关于容器云,Low-Rate DDoS攻击,小波变换,动态阈值,缓解策略的论文, 主要内容为云计算的出现为用户便捷的访问云服务器和资源提供了平台,容器被认为是向云部署微服务和应用的标准。容器和微服务架构广泛应用于云环境中,构成了基于容器的云环境。随着容器技术和容器生态的高速发展,容器技术被广泛应用于各种云平台,包括Amazon Web Services、IBM Cloud和Azure等。容器云的安全问题不容忽视,可用性问题是最重要的安全问题。DDoS攻击是容器云可用性的主要威胁。云环境中的DDoS攻击不断增多,攻击形式愈加复杂,例如Low-Rate DDoS攻击。通过协议的缺陷,Low-Rate DDoS生成少量恶意流量,对特定协议或应用程序进行攻击,攻击流量与合法流量类似,以便实现隐蔽的DDoS攻击。Low-Rate DDoS攻击对容器云的可用性带来巨大威胁,微服务架构松散耦合的特性使得Low-Rate DDoS攻击范围增加,容器与主机共用内核降低了主机的安全性。本课题研究基于容器的云环境中Low-Rate DDoS攻击检测,并探索Low-Rate DDoS攻击时提高容器可用性的缓解策略与缓解算法。本文主要研究工作如下:(1)针对在频域内检测Low-Rate DDoS攻击误报率较高、数据处理时间消耗长等问题,本文提出了一种基于中值滤波Daub4小波变换的连续散度测量方法。首先,将数据包中源IP地址映射到二维Sketch中并生成List链表,二维Sketch的使用可以有效压缩待检数据,减少待检数据量,降低存储空间消耗,List链表使用可以记录Sketch内源IP地址;其次,计算相邻两周期散度,并进行中值滤波,可有效过滤网络状态变化引起的低频分量,保留Low-Rate DDoS攻击带来的低频分量,提高准确率,降低误报率;最后,对中值滤波输出的散度进行小波变换,计算信号比值Pd。(2)针对现有动态阈值方法对网络跟随性较差,不能准确的表现出网络变化趋势,本文提出了基于一次指数平滑法的动态阈值机制与网络状态预估计机制。采用一次指数平滑法建立动态阈值机制,保证阈值的有效性;同时使用网络状态预估计机制以保证网络基线选取和攻击行为识别的有效性,进一步提高了Low-Rate DDoS攻击检测的准确率。(3)针对现有微服务架构中的Low-Rate DDoS攻击缓解策略局限于基于虚拟机的云,无法在容器云中起到良好的缓解效果的问题。本文讨论基于容器云的Low-Rate DDoS攻击缓解需求,对检测出的异常时间段内IP地址进行判定,提出页面分离策略、资源分配策略和封禁IP策略,建立缓解模型并给出基于缓解模型的缓解策略选择算法。通过在容器化的目标服务器执行Low-Rate DDoS攻击,设定场景规模和攻击率,记录服务行为,测试完成时间和失败请求次数。验证所提缓解策略与缓解策略选择算法有效性。

基于微服务的运维平台设计与异常检测研究

这是一篇关于微服务,运维平台,统计学分析,蚁群算法,动态阈值的论文, 主要内容为传统电信系统中的运维平台由于历史架构原因,与业务模块耦合较大,使得新模块的接入和兼容工作繁琐,开发效率低下,增加额外运维工作难度。同时运维平台需要关注服务的日志信息,通过过滤获取异常数据进行报警,传统运维平台中采用静态阈值过滤数据导致高负载机器出现大量无效报警影响运维效率。本文通过新的架构模式并运用不同的异常检测算法来解决上述两个问题。首先,本文按照软件工程开发流程,基于微服务架构中核心的服务治理的概念重新开发简易运维平台系统。使用Go语言自主实现了无侵入管理服务模块的网关组件开发,通过洋葱结构的中间件实现了微服务架构中服务发现,负载均衡,心跳探测,权限控制和流量控制等服务治理功能,成功实现了一个微服务体系下完整的系统搭建。该运维平台具有了对常见协议服务节点的管控能力,同时设计租户对象来对服务的流量以及权限进行更细粒度的统计,控制和管理。在此运维平台上接入一个新服务可以做到几乎无侵入的同时对服务的监测,权限,流量和负载等多方面管理,很大程度的提高了运维系统架构层面的扩展性和易用性。其次,本文根据真实电信系统服务器日志的分析结果,通过特征值定义,周期挖掘,动态阈值三个步骤实现了日志异常检测的优化。使用统计学特征值解决了日志规律衡量的标准,配合蚁群算法思想中信息素的思想,解决周期挖掘递归所遇到的复杂度过高和边界条件模糊的问题。通过得到服务器日志周期长度数据与统计学的分布规律最后确定每一个目标区间的动态阈值,该阈值过滤日志能留下更有效报警数据。运维平台落地使用该异常检测算法,能在服务器高负载情况下过滤无用报警,在低负载的情况下提供更敏感的报警监测,提高了运维效率。