网络流量监测技术及方法的探讨
计算机网络中的流量分析与监控技术
计算机网络中的流量分析与监控技术在当今数字化的时代，计算机网络已经成为我们生活和工作中不可或缺的一部分。
无论是个人使用互联网进行娱乐、学习和社交，还是企业依靠网络进行业务运营和数据传输，网络的稳定和高效运行都至关重要。
而在保障网络性能和安全性方面，流量分析与监控技术发挥着关键作用。
什么是计算机网络流量呢？简单来说，它就是在网络中传输的数据量和数据包的流动情况。
就像道路上的车辆流量一样，网络流量包括了各种类型的数据，如网页浏览、文件下载、视频播放、电子邮件等等。
流量分析与监控技术就是对这些数据的流动进行观察、测量、分析和管理的手段。
流量分析与监控技术的重要性不言而喻。
首先，它有助于优化网络性能。
通过对流量的监测和分析，我们可以了解网络中的拥塞点、带宽瓶颈以及资源利用不合理的地方。
例如，如果发现某个时间段内网络流量突然增大，导致网络速度变慢，我们可以通过分析找出是哪些应用或用户占用了大量的带宽，然后采取相应的措施，如限制流量、优化网络配置或者增加带宽，以提高网络的整体性能和用户体验。
其次，流量分析与监控对于保障网络安全也至关重要。
网络攻击、恶意软件传播以及数据泄露等安全威胁往往会在网络流量中留下痕迹。
通过对流量的实时监控和深度分析，我们能够及时发现异常的流量模式和潜在的安全威胁。
比如，突然出现大量来自陌生 IP 地址的连接请求，或者大量的数据被发送到异常的目的地，这些都可能是网络攻击的迹象。
及时发现并采取措施可以有效地防止安全事件的发生，保护网络中的敏感信息和重要资产。
再者，流量分析与监控有助于合规性管理。
在许多行业，如金融、医疗和政府部门，都有严格的法规和政策要求对网络数据的传输和使用进行监控和记录。
通过流量分析技术，可以确保企业和组织遵守相关的法规要求，避免因违规而面临法律风险。
那么，流量分析与监控技术是如何实现的呢？这涉及到一系列的技术和工具。
数据包捕获是流量分析的基础。
这就像是在网络的道路上设置摄像头，捕捉经过的数据流量。
如何进行网络流量监控与分析
如何进行网络流量监控与分析网络流量监控与分析是当今互联网时代非常重要的一项工作，通过对网络流量的监控和分析，可以帮助我们更好地了解网络中的数据传输情况、优化网络性能，同时还可以发现并应对网络安全风险。
本文将从网络流量监控和分析的概念、目的、方法和工具等方面进行探讨。
一、网络流量监控与分析的概念网络流量监控是指通过对网络数据包进行实时或定期的采集、记录和分析，以获取关于网络数据传输的统计信息和核心指标的过程。
它可以帮助我们对网络性能进行监控和评估，发现网络故障和瓶颈，并对网络安全进行监控和预警。
网络流量分析则是对采集到的网络流量数据进行解析、整理和分析的过程。
通过对网络数据包的内容、源地址、目标地址、协议类型等信息进行深入分析，我们可以了解网络中的应用程序使用情况、带宽利用率、网络访问行为等重要信息，从而为网络优化、安全防护和决策提供依据。
二、网络流量监控与分析的目的1. 优化网络性能：通过监控网络流量，我们可以获得网络中各个节点的负载状况、带宽利用率等信息，从而可以优化网络拓扑结构，调整网络设备的配置，提高网络吞吐量和响应速度。
2. 发现网络故障和瓶颈：通过监控网络流量，我们可以及时发现网络中的故障节点和瓶颈，帮助运维人员快速定位和解决问题，提高网络的可靠性和可用性。
3. 提升网络安全性：网络流量监控与分析可以帮助网络管理员发现和应对网络安全威胁，识别潜在的攻击行为，及时做出反应，加强网络安全防护。
4. 优化网络资源利用：通过分析网络流量，我们可以了解不同应用程序的带宽占用情况，定制合理的带宽分配策略，提高网络资源的利用率。
三、网络流量监控与分析的方法网络流量监控与分析的方法主要包括主机级监控和网络级监控。
1. 主机级监控：主机级监控是指通过在主机上安装监控代理来收集和分析主机上的网络流量。
这种方法可以监控特定设备或应用程序的网络使用情况，包括网络带宽、连接数、传输速率等。
常见的主机级监控工具有Zabbix、Nagios等。
网络安全防护中的流量监测与分析
网络安全防护中的流量监测与分析随着互联网的快速发展，网络安全问题日益凸显。
针对网络攻击事件频发的现状，流量监测与分析成为了网络安全防护中不可或缺的一环。
本文将就网络安全防护中的流量监测与分析进行探讨。
一、流量监测的重要性流量监测指的是对网络上的各种数据流进行实时的监控和记录。
通过流量监测，可以及时发现并追踪网络攻击、异常行为等安全威胁，为网络管理员提供必要的信息和技术支持。
流量监测能够帮助组织对网络安全事件做出及时反应，减少潜在的损失。
1. 发现网络攻击网络攻击是指对计算机和网络系统进行非法侵入，获取、破坏和篡改信息的行为。
常见的网络攻击包括DDoS攻击、SQL注入、恶意软件传播等。
通过流量监测，可以分析流量的变化和异常，及时发现并拦截潜在的攻击，保护系统免受攻击和破坏。
2. 监控网络性能流量监测可以监控网络的延迟、带宽利用率、丢包率等指标，及时了解网络的运行状态和性能状况。
通过监测流量，可以发现网络中的瓶颈和故障，并进行相应的优化和维护，提高网络的稳定性和可用性。
3. 保护机密信息流量监测可以帮助防止敏感数据的泄露。
通过对网络流量进行深度分析，可以发现携带敏感信息的数据包，并对其进行拦截和加密，提高机密信息的安全性。
二、流量分析的方法流量分析是指对网络流量进行数据挖掘和分析，以发现隐藏在网络中的异常行为和威胁。
流量分析的方法多种多样，下面将介绍几种常见的方法。
1. 签名检测签名检测是通过对网络流量进行特征匹配，识别已知的攻击模式。
通过建立和维护攻击特征库，可以快速识别已经被识别并归类的攻击行为，对这些攻击进行拦截和阻止。
2. 行为分析行为分析是通过对网络流量进行模式识别和行为建模，发现异常和可疑行为。
通过建立正常行为的基准模型，将网络流量与正常行为进行比对，发现偏离常态的流量，并提供相应的警报和应对措施。
3. 机器学习机器学习是一种基于数据的分析方法，通过构建和训练模型，实现网络流量的智能识别和分类。
网络流量监测与异常检测技术研究
网络流量监测与异常检测技术研究随着互联网的快速发展，大量的网络流量时刻在全球范围内不断流动。
网络流量监测与异常检测技术的研究，对于网络安全和网络运维具有重要意义。
本文将对网络流量监测与异常检测技术的研究进行探讨，并介绍其应用领域和相关挑战。
一、网络流量监测技术网络流量监测是指对网络中传输的数据流进行实时监控、识别和分析的过程。
网络流量监测技术可以帮助网络管理员实时了解网络的状态，及时应对网络问题，提高网络的可用性和安全性。
1. 传统的网络流量监测技术传统的网络流量监测技术主要依赖于网络设备上的流量监控功能。
例如，通过在交换机、路由器等关键设备上启用流量监控功能，可以通过抓包、记录日志等方式获取流量数据。
然后，利用分析工具对流量数据进行分析和报告，以帮助管理员了解网络的性能和健康状况。
2. 基于机器学习的网络流量监测技术随着机器学习的兴起，许多研究者开始将机器学习算法应用于网络流量监测技术中。
这些算法可以通过学习网络流量的模式和趋势，自动检测并识别网络异常行为。
一些常用的机器学习算法包括支持向量机（SVM）、随机森林（Random Forest）和深度学习算法等。
二、网络异常检测技术网络异常检测技术是指对网络流量中的异常行为进行实时检测和警告的过程。
网络异常行为可能包括网络攻击、恶意软件传播、DDoS攻击等。
网络异常检测技术可以帮助网络管理员及时发现并应对恶意行为，保护网络的安全和稳定运行。
1. 基于规则的网络异常检测技术基于规则的网络异常检测技术是最传统的一种方法。
它通过定义一系列规则来判断网络流量是否异常。
例如，当流量超过设定的门限值，或者出现特定的攻击行为时，系统将发出警报。
这种方法简单易懂，但对于复杂的网络环境和新型攻击手段可能不够敏感和准确。
2. 基于机器学习的网络异常检测技术与网络流量监测技术类似，机器学习算法也可以应用于网络异常检测技术中。
通过训练算法和样本数据集，系统可以学习到正常网络流量的模式，并通过与已学习模式的比对，识别出异常行为。
网络流量监测与分析研究
网络流量监测与分析研究随着互联网的飞速发展，网络安全越来越受到人们的关注。
其中，网络流量监测与分析是网络安全的重要组成部分。
网络流量监测与分析能够帮助我们了解网络的使用情况，检测网络攻击行为，及时找出网络故障并加以修复。
一、网络流量监测的重要性网络流量监测是对网络数据流的实时监测和记录，它能够帮助我们了解网络带宽使用情况、网络拥堵时段、用户行为等。
实时监测网络流量，可以及时捕获网络异常和攻击行为，保证网络安全运行。
同时，通过对网络流量数据的分析和统计，可以了解到网络的瓶颈所在，从而进行优化，提高网络运行效率。
二、流量监测技术网络流量监测技术主要包括数据包捕获、流量分类和流量分析等几个方面。
1.数据包捕获数据包捕获是网络流量监测的基础。
数据包捕获可以利用网络中的镜像端口或者是抓包软件来实现。
2.流量分类为了更加深入地分析网络流量，需要对流量进行分类。
流量分类可以基于多种方法，例如，基于协议或基于应用等。
3.流量分析流量分析是流量监测的重要环节，可主要包括流量统计、流量诊断和应用分析等。
三、网络流量分析的挑战随着网络规模的不断扩大，网络流量的数据量越来越大，流量监测与分析的难度也随之增加。
传统的网络流量分析方法已经无法满足现代网络的需求。
为了解决网络流量分析的挑战，现在有一些新的技术正在被应用于网络流量监测。
例如，机器学习技术、大数据技术和人工智能技术等。
机器学习技术可以用于流量分类和异常检测等方面，通过对网络流量数据的自动学习和分析，可以有效地识别出网络攻击行为和异常流量等。
大数据技术可以帮助网络管理员更好地管理和分析网络流量数据，更好地利用网络流量数据来推测网络运行状态，从而提高网络的可靠性和稳定性。
人工智能技术可以对网络数据进行更深入的分析和挖掘，提高网络的安全性和可靠性。
四、结论网络流量监测与分析是网络安全的重要组成部分。
通过网络流量监测，我们可以了解网络的使用情况，检测网络攻击行为，及时找出网络故障并加以修复。
网络流量分析技术研究
网络流量分析技术研究随着互联网的普及和发展，网络流量的增加也越来越快。
在这种情况下，如何对网络流量进行有效的分析和处理，已经成为网络安全和网络管理的重要问题。
网络流量分析技术在网络安全、网络管理、流量优化等领域中起着至关重要的作用。
网络流量分析主要包括流量监测、流量聚合、流量分析和流量优化等方面。
一、流量监测流量监测是对网络上行、下行流量进行实时监控和统计。
通过流量监测，可以获得网络的连接状况、流量情况、访问时间等信息，从而识别网络中可能存在的异常情况、攻击行为等。
另外，流量监测也可以用于网络的负载均衡和容量规划等方面。
现在，常用的流量监测工具有Wireshark、tcpdump、snort等。
Wireshark是一款开源、免费的数据包捕获和分析工具，支持多种协议分析；tcpdump是一个基于命令行的工具，可以抓取和输出网络数据包；snort是一款基于规则的入侵检测系统，可以在网络中检测和识别各种攻击行为。
二、流量聚合流量聚合是将多个网络节点上的流量合并起来进行分析。
通过流量聚合，可以更加全面地了解网络中的流量状况，识别出网络中存在的大量流量和异常流量等。
另外，流量聚合也可以用于对具体应用进行性能优化。
常用的流量聚合工具有ntop、sflow等。
ntop是一款免费的网络流量监测工具，可以显示网络中各种协议的流量情况、访问时间等信息；sflow是一种流量监测技术，可以对流量进行采样和分析，并将结果发送到集中式的流量分析平台中进行分析和处理。
三、流量分析流量分析是对网络流量进行深入分析和识别，以便更好地了解网络中存在的安全威胁和性能问题。
通过流量分析，可以识别出网络中的恶意软件、DDoS攻击、数据泄露、网络拥堵等异常情况，并进行相应的应急响应和处理。
常用的流量分析工具有Bro、Snort等。
Bro是一款免费的网络流量分析工具，可以对网络流量进行深入分析，识别网络中的安全问题，支持多种协议分析；Snort已经被广泛应用于入侵检测系统中，可以检测和识别各种攻击行为。
网络流量监测
网络流量监测随着互联网的普及和发展，网络流量监测逐渐成为了网络管理和网络安全的重要手段。
网络流量监测可以帮助我们了解网络的使用情况、检测网络异常、优化网络性能以及保护网络安全。
本文将介绍网络流量监测的概念、方法和应用，并探讨其在不同领域中的重要性和发展趋势。
一、网络流量监测的概念网络流量监测是指对网络中的数据流进行实时监控和分析的过程。
通过对网络流量的监测，可以了解网络的使用情况和带宽利用率，识别网络中的异常行为和攻击，以及评估网络性能和服务质量。
网络流量监测主要包括数据采集、数据分析和数据展示三个方面。
数据采集是指收集和记录网络中的数据流，通常使用网络流量监测设备或软件来进行实时抓包和存储。
数据分析是指对采集到的数据进行处理和分析，以提取有用的信息和统计数据。
数据展示是指将分析得到的结果以可视化的方式呈现，通常通过网络流量监测平台或仪表盘来展示。
二、网络流量监测的方法网络流量监测可以通过多种方法实现，常用的方法包括代理方式、镜像方式和传感器方式。
1. 代理方式：代理方式是指在网络中插入代理服务器来拦截和转发网络流量。
代理服务器可以对流经它的数据进行深度分析和处理，提取有用的信息，并将结果发送给网络流量监测系统进行展示和分析。
代理方式适用于小型网络或需要对特定设备或应用进行监测的场景。
2. 镜像方式：镜像方式是指在网络中设置镜像端口或镜像交换机，将网络流量复制到监测设备中进行分析。
镜像方式可以实现对整个网络流量的监测，适用于大型网络或需要全面监测的场景。
3. 传感器方式：传感器方式是指通过专门的传感器设备来监测网络流量。
传感器设备可以直接连接到网络设备的端口上，实时采集网络流量数据，并将数据发送给监测系统进行处理和分析。
传感器方式适用于需要对特定设备或链路进行深入监测的场景。
三、网络流量监测的应用网络流量监测在各个领域中有着广泛的应用，主要包括网络管理、网络安全和网络优化三个方面。
1. 网络管理：网络流量监测可以帮助网络管理员了解网络的使用情况和带宽利用率，及时发现网络拥堵和瓶颈问题，从而进行网络优化和性能提升。
网络流量识别的基本方法与技术
网络流量识别的基本方法与技术1. 引言网络流量识别是在当今互联网时代中十分重要的一项技术。
随着网络的快速发展和应用的普及，对网络流量进行准确的识别和分析，有助于提高网络服务的质量、保护网络安全以及优化网络资源的分配。
本文将介绍网络流量识别的基本方法与技术，并探讨其在实际应用中的意义和挑战。
2. 传统基于端口的识别方法传统的基于端口的识别方法是最常见的一种方式。
该方法通过判断数据包传输时所使用的端口号，以识别通信协议或应用程序。
例如，HTTP通信通常使用80端口，而HTTPS通信则使用443端口。
然而，这种方法存在局限性，因为现代网络中存在大量的应用程序使用动态端口或进行端口的伪装。
3. 深度包检测（DPI）技术深度包检测（DPI）技术是一种较为先进的网络流量识别方法。
通过对数据包的内容进行深入分析，DPI能够实现对通信协议和应用程序的准确识别。
DPI技术能够判断特定应用程序的使用情况，例如视频流和音频流的传输。
然而，DPI技术也存在一些挑战，比如隐私保护和法律合规性等问题。
4. 基于机器学习的方法随着人工智能和机器学习的快速发展，基于机器学习的网络流量识别方法也得到了广泛应用。
这种方法利用训练好的机器学习模型，通过对流量数据进行特征提取和分类，以实现识别的目标。
例如，可以使用支持向量机（SVM）模型对网络流量进行分类。
但是，此方法对于大规模数据集处理的复杂性以及模型训练的困难性也是存在的挑战。
5. 基于行为分析的方法基于行为分析的方法是一种较新的网络流量识别技术。
该方法通过分析用户的行为模式和流量的特征，以识别出异常流量或潜在的安全威胁。
例如，当网络流量突然增加或用户行为异常时，可以通过行为分析来检测到潜在的网络攻击。
然而，该方法的准确性和实时性仍然需要进一步的研究和改进。
6. 结论网络流量识别是网络管理和安全保护中的关键技术。
本文介绍了传统基于端口的识别方法、深度包检测（DPI）技术、基于机器学习的方法以及基于行为分析的方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
科技信息
一、网络流量监测的意义
网络流量监测主要为对网络数据进行连续的采集，通过连续采集网络数据监测网络的流量。
获得网络流量数据后对其进行统计和计算，从而得到网络及其主要成分的性能指标。
定期形成性能报表，并维护网络流量数据库或日志，存储网络及其主要成分的性能的历史数据，网络管理员根据当前的和历史的数据就可对网络及其主要成分的性能进行性能管理，通过数据分析获得性能的变化趋势。
分析制约网络性能的瓶颈问题。
此外，在网络性能异常的情况下网络流量监测系统还可向网络管理者进行告警，使故障及时得到处理。
在网络流量监测的基础上，管理员可对感兴趣的网络管理对象设置阈值范围以配置网络阈值对象，阈值对象监控实时轮询网络获取定义对象的当前值。
若超出阀值的上限和下限则报警，帮助管理员发现网络瓶颈，这样即可实现一定程度上的故障管理，而网络流量监测本身也涉及到安全管理方面的内容。
所以，网络流量监测是网络管理中一个非常基础也非常重要的一个环节，研究网络流量监测是非常有意义的。
二、网络流量的特性
通过对互联网通信量的测量，人们发现互联网通信量的主要特性有：
１、数据流是双向的，但通常是非对称的互联网上大部分的应用都是双向交换数据的，因此网络的流是双向的。
但是两个方向上的数据率有很大的差异，这是因为从网站下载时会导致从网站到客户端方向的数据量比另外一个方向多。
２、大部分ＴＣＰ会话是短期的，超过９０％的ＴＣＰ会话交换的数据量小于１０Ｋ字节，会话持续时间不超过几秒。
虽然文件传输和远程登陆这些ＴＣＰ对话都不是短期的，但是由于８０％的ＷＷＷ文档传输都小于１０Ｋ字节，ＷＷＷ的巨大增长使其在这方面产生了决定性的影响。
３、包的到达过程不是泊松过程，大部分传统的排队理论和通信网络设计都假设包的到达过程是泊松过程，即包到达的间断时间的分布是独立的指数分布。
简单的说，泊松到达过程就是事件（例如地震，交通事故，电话等）按照一定的概率独立的发生。
泊松模型因为指数分布的无记忆性也就是事件之间的非相关性而使其在应用上要比其他模型更加简单。
然而近年来对互联网络通信量的测量显示包到达的过程不是泊松过程。
包到达的间断时间不仅不服从指数分布，而且不是独立分布的。
大部分时候是多个包连续到达，即包的到达是有突发性的。
很明显，泊松过程不足以精确地描述包的到达过程。
造成这种非泊松结构的部分原因是数据传输所使用的协议。
非泊松过程的现象迫使人们怀疑使用简单的泊松模型研究网络的可靠性，从而促进了网络通信量模型的研究。
４、网络通信量具有局域性，互联网流量的局域性包括时间局域性和空间局域性。
用户在应用层对互联网的访问反映在包的时间和源及目的地址上，从而显示出基于时间的相关（时间局域性）和基于空间的相关（空间局域性）。
三、网络流量的监测技术
１、基于流量镜像协议分析
流量镜像（在线ＴＡＰ）协议分析方式是把网络设备的某个端口（链路）流量镜像给协议分析仪，通过７层协议解码对网络流量进行监测。
与其他３种方式相比，协议分析是网络测试的最基本手段，特别适合网络故障分析。
缺点是流量镜像（在线ＴＡＰ）协议分析方式只针对单条链路，不适合全网监测。
２、基于硬件探针的监测技术
硬件探针是一种用来获取网络流量的硬件设备，使用时将它串接在需要捕捉流量的链路中，通过分流链路上的数字信号而获取流量信息。
一个硬件探针监视一个子网（通常是一条链路）的流量信息。
对于全网流量的监测需要采用分布式方案，在每条链路部署一个探针，再通过后台服务器和数据库，收集所有探针的数据，做全网的流量分析和长期报告。
与其他的３种方式相比，基于硬件探针的最大特点是能够提供丰富的从物理层到应用层的详细信息。
但是硬件探针的监测方式受限于探针的接口速率，一般只针对１０００Ｍ以下的速率。
而且探针方式重点是单条链路的流量分析，Ｎｅｔｆｌｏｗ更偏重全网流量的分析。
３、基于ＳＮＭＰ的流量监测技术
基于ＳＮＭＰ的流量信息采集，实质上是测试仪表通过提取网络设备Ａｇｅｎｔ提供的ＭＩＢ（管理对象信息库）中收集一些具体设备及流量信息有关的变量。
基于ＳＮＭＰ收集的网络流量信息包括：输入字节数、输入非广播包数、输入广播包数、输入包丢弃数、输入包错误数、输入未知协议包数、输出字节数、输出非广播包数、输出广播包数、输出包丢弃数、输出包错误数、输出队长等。
相似的方式还包括ＲＭＯＮ。
与其他的方式相比，基于ＳＮＭＰ的流量监测技术受到设备厂家的广泛支持，使用方便，缺点是信息不够丰富和准确，分析集中在网络的２、３层的信息和设备的消息。
ＳＮＭＰ方式经常集成在其他的３种方案中，如果单纯采用ＳＮＭＰ做长期的、大型的网络流量监控，在测试仪表的基础上，需要使用后台数据库。
４、基于Ｎｅｔｆｌｏｗ的流量监测技术
Ｎｅｔｆｌｏｗ流量信息采集是基于网络设备（Ｃｉｓｃｏ）提供的Ｎｅｔｆｌｏｗ机制实现的网络流量信息采集。
Ｎｅｔｆｌｏｗ为Ｃｉｓｃｏ之专属协议，已经标准化，并且Ｊｕｎｉｐｅｒ、ｅｘｔｒｅｍｅ、华为等厂家也逐渐支持，Ｎｅｔｆｌｏｗ由路由器、交换机自身对网络流量进行统计，并且把结果发送到第３方流量报告生成器和长期数据库。
一旦收集到路由器、交换机上的详细流量数据后，便可为网络流量统计、网络使用量计价、网络规划、病毒流量分析，网络监测等应用提供计数根据。
同时，Ｎｅｔｆｌｏｗ也提供针对ＱｏＳ（ＱｕａｌｉｔｙｏｆＳｅｒ－ｖｉｃｅ）的测量基准，能够捕捉到每笔数据流的流量分类或优先性特性，而能够进一步根据ＱｏＳ进行分级收费。
与其他的方式相比，基于Ｎｅｔｆｌｏｗ的流量监测技术属于中央部署级方案，部署简单、升级方便，重点是全网流量的采集，而不是某条具体链路；Ｎｅｔｆｌｏｗ流量信息采集效率高，网络规模越大，成本越低，拥有很好的性价比和投资回报。
缺点是没有分析网络物理层和数据链路层信息。
Ｎｅｔｆｌｏｗ方式是网络流量统计方式的发展趋势。
在综合比较四种技术之后，不难得出以下结论：基于ＳＮＭＰ的流量监测技术能够满足网络流量分析的需要，且信息采集效率高，适合在各类网络中应用。
参考文献
［１］吕军，李星．网络测量分析及研究综述．计算机工程与应用，２００６．Ｐ：１９．
［２］张峰，雷振明．高速网络流测量及模型研究．计算机工程与应用，２００７Ｐ：２８．
［３］陈志松．Ｗｉｎｄｏｗｓ环境下网络流量监测与分析．计算机工程与应用，２００９．
［４］石志国．网络流量监测技术及流量抽样方法的研究．清华大学出版社，２００７．
网络流量监测技术及方法的探讨
湖南机电职业技术学院李玉林
［摘要］网络流量监测是网络管理的基础。
为了更好地管理网络和改善网络的运行，网络管理者需要知道其网络的流量情况。
比
如，当网络管理者发现某些设备的流量负载过重时，就可以考虑在更换新的设备或者改造线路；当网络管理者发现了网络中数据流
量变化的规律时，可以更好地调配设备，有效地利用资源。
一个能够显示网络设备流量的工具，使网络管理者能够直观地监测设备
流量的变化，对网络设备进行有效管理是很有必要的。
［关键词］网络流量技术网络流量监测方法
计算机与网络
２１３
——。