基于稳态模型的流异常检测算法

第３２卷　第１９期　Ｖｏ１．３２　・计算机工程　２００６年１Ｏ月　Ｏｃｔｏｂｅｒ　２Ｏ０６　№ｌ９　Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　网络与通信・　文章编号ｚ　ｌｏｏｏ—３４２８（２ｏ０６）１９．＿＿０１３３．．０３　文献标识码ｔ　Ａ　中圈分类号ｚ　ＴＰ３９３　基于稳态模型的流异常检测算法　郭琳。，张大方　，蔡文伟。，谢鲲。　（１．湖南大学计算机与通信学院，长沙４１００８２；２．湖南大学软件学院，长沙４１００８２）　囊要：在日常网络管理中如何实时、准确地判定流量异常是网络异常检测中的难点问题。提出了一种基于稳态模型的流异常检测算法，　采用加权均值和方差计算相结合的统计学方法对网络流量稳态模型进行建模和更新，并使用ＲＯＣ曲线进行异常检测模型的性能评估。研　究表明，该算法复杂度较低，资源占用小，能够很好地实现实时自动报警功能。实验结果对进一步探索实时的网络流异常检测方法和预测　算法具有参考价值。　关翻：流量异常；异常检测；稳态模型；ＲＯＣ　Ａｌｇｏｒｉｔｈｍ　ｏｆ　Ｔｒａｆｉｃ　ｆＡｎｏｍａｌｙ　Ｄｅｔｅｃｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　Ｓｔｅａｄｙ　Ｍｏｄｅｌ　ＧＵｔ　Ｌｉｎ　，ＺＨＡＮＧ　Ｄａｆａｎｇ￣ＬＩ　Ｗｅｎｗｅｉ　，ＸＩＥ　Ｋｕｎ。　，（１．Ｓｃｈｏｏｌ　ｏｆＣｏｍｐｕｔｅｒ　ａｎｄ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｈｕｎａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ４１００８２；２．Ｓｃｈｏｏｌ　ｏｆＳｏｆｔｗａｒｅ，Ｈｕｎａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ４１００８２）　［Ａｂｓｔｒａｃｔ｜Ｉｔ　ｉｓ　ｄｉｆｉｃｕｌｔｆ　ｔＯ　ｄｅｔｅｃｔ　ｔｒａｆｉｃ　ａｆｎｏｍａｌｙ　ａｃｃｕｒａｔｅｌｙ　ｉｎ　ｒｅａｌ—ｔｉｍｅ　ｎｅｔｗｏｒｋ　ｍａｎａｇｅｍｅｎｔ．Ａ　ｔｒａｆｉｃ　ａｆｎｏｍａｌｙ　ｄｅｔｅｃｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｓｔｅａｄｙ　ｍｏｄｅｌ　ｉｓ　ｐｒｏｐｏｓｅｄ．Ｂｏｔｈ　ｗｅｉｇｈｔｅｄ　ｍｅａｎ　ｖａｌｕｅ　ａｎｄ　ｖａｒｉａｎｃｅ　ｓｔａｔｉｓｔｉｃｓ　ｍｅｔｈｏｄ　ａｒｅ　ｕｓｅｄ　ｔＯ　ｂｕｉｌｄ　ａｎｄ　ｕｐｄａｔｅ　ｔｈｅ　ｓｔｅａｄｙ　ｍｏｄｅ１．Ｆｕｒｔｈｅｒｍｏｒｅ　ＲＯＣ　ｃｕｒｖｅ　ｍｅｔｈｏｄ　ｉｓ　ｕｓｅｄ　ｔＯ　ａｓｓｅｓｓ　ｐｅｒｆｏｒｍａｎｃｅ．Ｔｈｅ　ｃｏｍｐｌｅｘｉｔｙ　ｏｆ　ｈｅ　ｔｎｅｗ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｃｏｍｐａｒａｔｉｖｅｌｙ　ｌｏｗ　ｗｉｈ　ｏｃｃｕｐｙｉｔｎｇ　ｌｉｔｔｌｅ　ｓｙｓｔｅｍ　ｒｅｓｏｕｒｃｅ　ａｎｄ　ｉｔ　ｐｏｓｓｅｓｓｅｓ　ｒｅａｌ—ｔｉｍｅ　ａｕｔｏ—ｌａｒｍ　ｆｕｎｃｔｉａｏｎ．Ａｌｓｏ　ｓｉｍｕｌａｔｉｏｎ　ｓｈｏｗｓ　ｔｈａｔ　ｔｈｅ　ｓｔｕｄｙ　ｉｓ　ａ　ｖａｌｕａｂｌｅ　ｒｅｆｅｒｅｎｃｅ　ｆｏｒ　ａｄｖａｎｃｉｎｇ　ｅｘｐｌｏｒａｔｉｏｎ　ｏｆ　ｒｅａｌ—ｔｉｍｅ　ｔｒａｆｉｃ　ｆａｎｏｍａｌｙ　ｄｅｔｅｃｔｉｏｎ．　［Ｋｅｙ　ｗｏｒｄｓ！Ｔｒａｆｉｃ　ａｎｏｍａｌｆｙ；Ａｎｏｍａｌｙ　ｄｅｔｅｃｔｉｏｎ；Ｓｔｅａｄｙ　ｍｏｄｅｌｓ；Ｒｅｃｅｉｖｅｒ　ｏｐｅｒａｔｉｎｇ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　网络流量管理是网络管理中重要组成部分，有效的网络　线。ＲＯＣ空间是显示ＡＤＰ性能的坐标系统，Ｙ轴表示ＡＤＰ　检测率ＤＲ（Ｄｅｔｅｃｔｉｏｎ　Ｒａｔｅ），等于１一漏检率，ｘ轴表示误检　率ＦＰＲ。连接多个ＡＤＰ坐标点构成ＲＯＣ曲线。如图ｌ（ａ）两　条ＲＯＣ曲线Ａ和Ｂ，可以清晰地看出ＡＤＰ的ＤＲ与ＦＰＲ的　变化情况。　１００　８０　一　流量管理对提高网络的可靠性和可用性具有重要意义。从广　义上来说，网络流量管理包括网络流量建模和分析、流量预　测、流量异常检测、流量工程等。其中流量异常检测是网络　流量管理的重要环节，检测流量异常对网络异常检测具有重　要意义。导致网络流量异常的因素有：社会或自然现象，网　络设备故障以及恶意的攻击。　迄今为止，人们在异常流量检测的研究领域已经取得众　多成果，例如Ｐａｕｌ和ＤａｖｉｄＩｌｌ对网络流进行统计分析，实现　了一种类似网络管理工具的网络异常检测系统；Ｒｏｙ和　Ｆｒａｎｋ１２１通过网络流量异常检测方法检测到插入故障和广播　风暴；Ｒａｊｅｓｈ和Ｇｉｔａｅ１３］建立一种网络异常检测框架，基于路　由变化、延迟、丢包率的统计推理，检测路由器配置不当或　言　６ｏ　ｇ　４０　’＝　羔２０　凸０　Ｆａｌｓｅ　Ｐｏｓｉｉｔｖｅ　Ｒａｔｅ（％１　设备失效导致的网络流量异常。　如何实时、准确地判定流量异常是网络异常检测中的难　点问题。本文基于网络稳态模型准确检测流量异常。网络稳　态模型描述网络正常运行时的网络行为。作为异常检测的依　据，它具备以下的特征：准确性与一致性、抽象性、低漏检　率和误检率。为了实时、准确地判定流量异常，减少漏检率　和误检率，选择性能最佳的异常检测临界值，本文采用加权　均值和方差计算相结合的统计学方法对网络流量稳态模型进　．（ａ）　ｌ０ｏ　０　等６０　４Ｊ０　殳　２０　０　０　Ｆａｌｓｅ　Ｐｏｓｉｔｉｖｅ　Ｒａｔｅ（％）　行建模和更新算法进行研究。　ｆｂ１　１稳态模型性能评估的理论基硇　建立稳态模型需要一系列异常检测临界值（Ａｎｏｍａｌｙ　Ｄｅｔｅｃｔｉｏｎ　Ｔｈｒｅｓｈｏｌｄ，ＡＤＴ），从中选择性能最佳的ＡＤＴ作为　异常检测模式（ＡＤＰ）。为了客观评估ＡＤＰ性能的好坏，Ｐｒｏｖｏｓｔ　Ｆ等人　提出使用ＲＯＣ（Ｒｅｃｅｉｖｅｒ　Ｏｐｅｒａｔｉｎｇ　Ｃｈａｒａｃｔｅｒｉｓｔｉｃ）曲　圈１　ＲＯＣ曲线圈实碉　基金项目：国家自然科学基金资助项目（６０２７３０７０，６０４７３０３１）　作者筲介：郭琳（１９７８一），女，硕士生，主研方向：网络测试；　张大方，博士、教授、博导；黎文伟、谢鲲，博士生　收藕日期：２００５—１０—１３　Ｅ・ｍａｉｌ：ｇｕｏｌｉｎ４１６＠１６３．ｃｏｍ　—ｌ３３—　维普资讯 http://www.cqvip.com

但存在两种问题：　（１）判断综合性能最佳的坐标点建立在直观感觉上，没有　理论基础。为此必须制定一种性能评定尺度，即ＡＤＴ敏感度，　记为兀ｌ　ＡＤＴ　ｌ，值越大表明该ＡＤＴ综合性能越好，反之　越差。ＤＲ和ＦＰＲ是影响敏感度的两个重要指标，敏感度的　大小与ＤＲ成正比，而与ＦＰＲ成反比。根据斜率计算公式：　ｔｇ（０）＝ｙ／ｘ，０≤ｅ≤９０，可知斜率越大，Ｙ相对于Ｘ就越大，　坐标点（ｘ，ｙ）对应的ＡＤＴ的ＤＲ相对ＦＰＲ就越大，该ＡＤＴ　的综合性能就越好。由此得出理想异常检测临界值的定义。　定义设Ｐ为ＲＯＣ曲线上一坐标点，若Ｐ对应的异常　检测临界值ＡＤＴ（Ｐ）满足：兀ｌ　ＡＤＴ（Ｐ）ｌ＝ＭＡＸ（兀ｌ　ＡＤＴ（Ｐ’）　Ｉ）（Ｐ’∈ＲＯＣ），则称ＡＤＴ（Ｐ）为理想检测临界值，记为　Ｐ—ＡＤＴ（Ｐｅｒｆｅｃｔ—ＡＤＴ）。　（２）性能最佳坐标点未必适合实际应用。图１（ｂ）是某种异　常检测模型得到的性能评估ＲＯＣ曲线。根据定义，图１（ｂ）　中ＲＯＣ曲线上的Ｐ—ＡＤＴ是ＡＤＴ（Ｐ１），但事实上ＡＤＴ（Ｐ１）检　测率太低（漏检率太高），并不适合实际应用。所以原则上让　满足一定条件的局部Ｐ—ＡＤＴ作为ＡＤＰ。表１是图１（ｂ）中ＲＯＣ　曲线上，满足一定前提条件的局部Ｐ—ＡＤＴ。　表１围１（ｂ）中ＲＯＣ曲线上一姐局部Ｐ－ＡＤＴ　前提条件　局部Ｐ—ＡＤＴ　无　ＡＤＴ（Ｐ１）　ＤＲ＞６０％＆＆ＦＰＲ＜ｌ０％　ＡＤＴ（Ｐ３）　ＤＲ＞９０％＆＆ＦＰＲ＜ｌ０％　ＡＤＴ（Ｐａ）　可知，ＡＤＴ（Ｐ４）满足前提条件，其ｔｇ（０）值又比较理想，　所以选择ＡＤＴ（Ｐ４）作为稳态模型的临界值。　２稳态模型的建立及其更新　２．１稳态模型的建立　实际网络中流量具有突发性，在建立模型进行异常检测　之前，需要收集大量实际数据，并采用了方差分析的方法　（ＡＮＯＶＡ）进行适当处理，使数据具有连续性和平滑性，这个　步骤称为数据的预处理，详述如下：　预先收集１５个工作日（周１～周５）的网络流量数据。以天　为单位，每５ｍｉｎ采样一次，即每天采集２８８个网络流量数据。　把１５天中采集到的１５组每组２８８个数据存入到１５×２８８的　二维数组数据库中。那么一天中的每一个５ｍｉｎ间隔时刻，都　有１５个值，记为ｘｌ，Ｘ２，…，ｘｌ５，用ｘ表示这１５个值的平　均值，Ｖ表示它们的标准差，即　ｘ：　１５智　ｙ：　依据格拉布斯准则，若ｘ。满足ｌ　ｘ。ｌ＞ｋＶ，则ｘ。为坏值，　应该剔除，不作为建模的构成数据因素，其中ｋ是格拉布斯　准则系数，与置信区间为９５％相对应的ｋ＝２．０３。实验表明，　离当前越近一天的同时刻的网络流量与当前流量有最大的相　似性。为此，把剔除后的网络流量数据按时间先后，分别赋　予不同权值（称为流量数据影响因子）。理论上剩下数据的影　响因子按等差数列排列。　假设剩下的网络流量数据个数为Ｎ，影响因子用ａ。表　示，ｄ为公差，影响因子等差数列的和为ｓ　，那么有以下　结论：　Ｓｎ＝Ｎａ。＋　二　ｄ：Ｓｎ－－－１　２　设ａｌ＝　则ｓ　＝　＋　二　ｄ；实验验证Ｎａ。取值为　５Ⅳ　５　２　—１３４—　１／５较为合理。得到　：　；ａｉ＝　＋ｄ　５ＪＶ（Ｎ一１）　５Ｎ　把ｘ１，ｘ！，…，ｘ　５中剩下的数据乘上各自影响因子，用　Ｙ表示得到的某时刻的稳态模型临界值，即　Ｎ　Ｙ－∑　（２　对于一天内２８８个时段，都采用该方法计算这一时刻的　模型，用Ｙ．，Ｙ：，…，Ｙ２ｓ８来表示。把这２８８个数据以时间　段为关键字存入数据库的另一张表中，作为描述网络一天内　各个时段流量的稳态模型。再用剩下的数据计算每一时段的　方差Ｖ’，即　＿Ｊ　把２８８个方差也以时间段为关键字存入数据库中。若当　前观测值与之相比有显著偏离（＞ｋ　Ｖ’），则认为是网络异常，　产生告警，若当前观测值在方差范围内，则对稳态模型进行　适当修正。　２．２稳态模型的更新　获得新的网络流量数据时，必须把新的网络数据作为建　模因子修正模型，按照等差数列建模原理，对加入新数据后　的数列进行影响因子计算。这里有两种方案，可通过ＲＯＣ图　比较两种方案的优劣。　ｍ　舳　∞　∞　如　第１种方案，把新获得的流量数据加入到数列当中，那　么数列个数Ｎ＝Ｎ＋Ｉ，稳态模型均值和方差的计算方法参照建　模时候的数学处理。　第２种方案，如果已有队列中的流量数据Ｎ＜１５时，采　用第１种方案重新建立模型；当Ｎ＝Ｉ５时，删除队列中的第１　个数据元素，即时间间隔最长的流量数据，而把新获得的数　据放在队列的最后面。队列中的数据元素保持在Ｎ＝Ｉ５，客观　上有利于减少数据计算量，稳态模型均值和方差的计算参照　建模时候的数学处理，而Ｎ是常量１５。　使用ＲＯＣ图检验两种方案的优劣见图２。　Ｆａｌｓｅ　Ｐｏｓｉｔｉｖｅ　Ｒａｔｅ（％）　圈２　ＲＯＣ曲线圈比较　图中，Ｐ　和Ｐｅ分别代表两种方案的更新模型。实验结　果为ＡＤＴ（ＰＡ）的ＤＲ＝９４．１％，ＦＰＲ＝７－３％；ＡＤＴ（ＰＢ）的　ＤＲ＝９１．２％，ＦＰＲ＝５．４％。ＡＤＴ（ＰＡ）和ＡＤＴ（ＰＢ）都满足了要成　为临界值的前提条件。再比较二者斜率大小，显然ＡＤＴ（ＰＢ）　优于ＡＤＴ（ＰＡ），因此，采用第２种方案进行模型更新。　２．３更新算法复杂度分析　建立模型可以在实时异常检测前离线进行，因而不计入　算法复杂度。更新模型算法包括计算公差和等差数列的元素　以及均值，即Ｎ＋１次加法运算和Ｎ次乘法运算；而计算方差　的算法复杂度为ｏ（Ｎ　），加上从数据库中读取数据和保存结　维普资讯 http://www.cqvip.com

果的时间，计算量也是微不足道的。获得新流量数据的间隔　时间是５ｒａｉｎ，那么该系统的运行对所在主机的性能占用是非　４结束语　该算法通过方差分析的方法（ＡＮＯＶＡ）计算过程简单，能　有效解决极不确定的网络流量的建模问题，算法可以离线完　成，具有很好的适应性。实验中，把实时采集到的数据与模　常有限的，因而可以在实际网络中使用。　３利用穗态模型进行异常检测　实验中，首先收集了１５天的历史流量数据。使用这些　数据建立网络日流量稳态模型。　型结合起来发现网络异常，并通过ＲＯＣ图比较两种网络流量　模型更新方案的优劣，选择性能最佳的异常检测临界值（ＡＤＴ）　为了检验稳态模型建立和更新方案的实际应用效果，在　连续３天中每天随机抽取一个时间人为制造故障，引起流量　异常。对流量进行读取后，得到如图３的流量图像。　作为异常检测模式（ＡＤＰ）进行异常检测。　研究证明，采用基于加权均值和方差计算相结合的统计　学方法对网络流量稳态模型进行建模和更新算法复杂度较低　（仅为ｏ（Ｎ　，资源占用有限，能够完成实时自动报警功能，　从而实现网络管理自动化。本文的研究对进一步探索实时的　网络流异常检测方法和预测算法具有参考价值。　参考文献　时间（５ｍｉｎ）　（ａ）　ｌ　Ｂａｒｆｏｒｄ　Ｐ　Ｐｌｏｎｋａ　Ｄ．Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　Ｎｅｔｗｏｒｋ　Ｔｒａｆｆｉｃ　Ｆ１ＯＷ　Ａｎｏｍａｌｉｅｓ［Ｃ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＡＣＭ　ＳＩＧＣＯＭＭ　Ｉｎｔｅｍｅｔ　Ｍｅａｓｕｒｅｍｅｎｔ　Ｗｏｒｋｓｈｏｐ，２００１—１１．　２　Ｒｏｙ　Ａ，Ｍａｘｉｏｎ　Ｌ，Ｆｒａｎｋ　Ｅ．Ａ　Ｃａｓｅ　Ｓｔｕｄｙ　ｏｆ　Ｅｔｈｅｍｅｔ　Ａｎｏｍａｌｉｅｓ　ｉｎ　ａ　Ｄｉｓｔｉｒｂｕｔｅｄ　Ｃｏｍｐｕｔｉｎｇ　Ｅｎｖｉｒｏｎｍｅｎｔ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｒｅｌｉａｂｉｌｉｔｙ，１９９０，３９（４）．　时间（５ｒａｉｎ）　（ｂ）　３　Ｔａｌｐａｄｅ　Ｒ．Ｋｉｍ　Ｇ　Ｋｈｕｒａｎａ　Ｓ．Ｎｏｍａｄ：Ｔｒａｆｆｉｃ—ｂａｓｅｄ　Ｎｅｔｗｏｒｋ　圈３罔络泷量和叠形后的方差趋势　Ｍｏｎｉｔｏｒｉｎｇ　Ｆｒａｍｅｗｏｒｋ　ｆｏｒ　Ａｎｏｍａｌｙ　Ｄｅｔｅｃｔｉｏｎ［Ｃ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　４　ＩＥＥＥ　Ｓｙｍｐｏｓｉｕｍ　ｏｎ　Ｃｏｍｐｕｔｅｒｓ　ａｎｄ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，１９９９—　０７．　４　Ｊｏｓｅｐｈ　Ｌ，Ｚｈａｎｇ　Ｆａｎ，Ｓｈａｈａｂｕｄｄｉｎ　Ｅ　Ａｎ　Ａｐｐｒｏａｃｈ　ｔＯ　Ｐｒｅｄｉｃｔｉｖｅ　在图中，用小黑点标出了３次服务器失效的时间，可以　发现这３次失效引起明显的流量异常。为了能更明显地观察　这３次异常，对波形进行整形，假如把图３的波形有流量值　转化为方差，对每天的２８８个流量数据应用下面的公式进行　转换：　Ｄｅｔｅｃｔｉｏｎ　ｆｏｒ　Ｓｅｒｖｉｃｅ　Ｍａｎａｇｅｍｅｎｔ［Ｃ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｓｙｓｔｅｍｓ　ａｎｄ　Ｎｅｔｗｏｒｋ　Ｍａｎａｇｅｍｅｎｔ，　ｌ９９９．　５　Ｈｏ　Ｌ　Ｌ，Ｃａｖｕｔｏ　Ｄ　Ｊ，Ｐａｐａｖａｓｓｉｌｉｏｕ　Ｓ．Ａｄａｐｔｉｖｅ　ａｎｄ　Ａｕｔｏｍａｔｅｄ　Ｄｅｔｅｃｔｉｏｎ　ｏｆ　Ｓｅｒｖｉｃｅ　Ａｎｏｍａｌｉｅｓ　ｉｎ　Ｔｒｎｓａｃｔａｉｏｎ—ｏｒｉｅｎｔｅｄ、＾『ＡＮ’ｓ：　Ｖ’１／古∑（¨　，一ｙ）　ｉ－１　人为制造的３次故障在图上表现得更加清晰，系统可准　确判断网络异常时刻。这也证明了采用基于加权的均值和方　差计算相结合的统计学方法对网络流量稳态模型进行建模和　更新的方案具有较强的异常判断能力。　（上接第１３２页）　裹２　试报告　测试例名称　发送Ｈｅｌｌｏ包　Ｎｅｔｗｏｒｋ　Ａｎａｌｙｓｉｓ，Ａｌｇｏｒｉｈｍｓ，Ｉｔｍｐｌｅｍｅｎｔａｔｉｏｎ　ａｎｄ　Ｄｅｐｌｏｙｍｅｎｔ［Ｊ］．　ＩＥＥＥ　Ｊｏｕｍａｌ　ｏｆ　Ｓｅｌｅｃｔｅｄ　Ａｒｅａｓ　ｉｎ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０００，１　８（５）：　７４４　７５７．　量，缩短了产品上市时间。由于冒烟测试执行的频率比较高，　结果　Ｐａｓｓ　需要进一步对冒烟测试的测试自动化进行研究。　参考文献　１赵邑新，尹霞，韩博等．策略路由的基本关系及其测试【Ｊ】．清　华大学学报（自然科学版），２００２，４２（１０）：１４１４—１４１８．　２　ＭａＣｏｎｎｅｌｌ　Ｓ．席相霖译．快速软件开发——有效控制与完成进度　计划【Ｍ］．北京：电子工业出版社，２００２．　接收Ｈｅｌｌｏ包　发送Ｄａｔａｂａｓｅ　Ｄｅｓｃｒｉｐｔｉｏｎ　Ｐａｓｓ　Ｐａｓｓ　接收Ｄａｔａｂａｓｅ　Ｄｅｓｃｒｉｐｔｉｏｎ　发送ＬＳ　Ｒｅｑｕｅｓｔ包　Ｐａｓｓ　Ｐａｓｓ　接收ＬＳ　Ｒｅｑｕｅｓｔ包　ＬＳＡ生成　Ｐａｓｓ　Ｐａｓｓ　３杨建华，王俊峰，谢高岗．ＯＳＰＦｖ３协议一致性测试系统设计与实　现【Ｊ】．计算机应用，２００３，２３（７）：１８－２３．　扩散过程　路由表更新　Ｐａｓｓ　Ｐａｓｓ　４袁琦．基于ＩＰｖ６的ＯＳＰＦ路由协议技术规范【Ｊ】＿电信工程技术　测试例的编号可以追溯到需求编号，测试报告反映了系　统功能的实现情况，上面显示了ＯＳＰＦｖ３的测试例均已通过，　这也说明该协议的实现已经完成，该ＩＵＴ支持ＯＳＰＦｖ３，这　与标准化，２００４，１７（１）：３９—４３．　５余营志，赵保华，屈玉贵．基于ＴＣＬ的路由协议一致性测试【Ｊ】．　北京邮电大学学报，２００３，２６（增刊）：３７－４１．　６杨７邵８杨晶，赵保华，屈玉贵．基于层次结构的ＯＳＰＦ一致性测试【Ｊ】．　兵，李越鹏，赵保华．ＯＳＰＦ协议性能测试的研究与实践【Ｊ】＿　晶，屈玉贵，赵保华．路由协议一致性测试的系统设计【Ｊ】．计　是由于测试环境中的ＲＵＴ是一台成熟的高端路由器产品，该　路由器是支持ＯＳＰＦｖ３的，测试结果与预期的结果是一致的。　通信学报，２００２，２３（８）：８７—９２．　计算机应用，２００３，２３（１０）：６２—６６．　算机应用，２００１，２ｌ（５）：７－９．　一３总结　本文论述了ＯＳＰＦｖ３协议特点、冒烟测试的方法，并在　ＴＣＬ协议测试系统上实现了ＯＳＰＦｖ３的冒烟测试，将冒烟测　试引入协议的开发中，提高了开发过程的可视性和产品的质　１３５—