АНАЛИЗ ВЗАИМНОГО ВЛИЯНИЯ ИНФОРМАЦИОННЫХ ПОТОКОВ В МАГИСТРАЛЬНОМ ИНТЕРНЕТ-КАНАЛЕ

Результат исследований: Вклад в журналСтатьяНаучно-исследовательскаярецензирование

Аннотация

Обсуждаются результаты исследования влияния информационных потоков в магистральном интернет-канале, проведенного на основе анализа 15-и минутных дампов интернет-трафика, находящихся в свободном доступе в архиве MAWI [1]. При этом выделены три класса информационных потоков, в зависимости от объемов переданной данными потоками информации: «Мыши», «Мулы» и «Слоны». В соответствие с авторской методикой для каждого из выбранных классов потоков получены случайные последовательности (СП) содержащие упорядоченные во времени значения количества пакетов и объемов информации, переданных в течение заданного временного интервала, а также среднего объема переданной информации, приходящейся на один пакет. Продемонстрировано, что вопреки устоявшимся представлениям, фрактальными (самоподобными) свойствами обладают не СП но их накопленные суммы и получены оценки их показателей Херста. Построены регрессионные модели, описывающие зависимости показателей Херста накопленных сумм СП от объемов информации и числа пакетов, переданных каждым из выбранных классов пользователей, которые позволяют оценивать взаимное влияние информационных потоков, создаваемых «Мышами», «Мулами» и «Слонами», друг на друга. Установлено, что значения объемов информации, переданной в течение 15 минут каждым из классов пользователей, связаны детерминированными линейными зависимостями. Это свидетельствует о возможности разработки механизмов балансировки объемов передаваемой информации, призванных повысить качество обслуживания пользователей данным каналом, на основе управления скоростью передачи информации каждого из выделенных классов пользователей в зависимости от текущих значений показателей Херста накопленных сумм СП Приведен пример подобного алгоритма.
Переведенное названиеThe backbone internet channel traffic flows mutual influence analysis
Язык оригиналаРусский
Страницы (с-по)83-108
ЖурналCloud of Science
Том6
Номер выпуска1
СостояниеОпубликовано - 2019

Отпечаток

Internet
Channel flow
Fractals
Resource allocation
Quality of service

ГРНТИ

  • 50.00.00 АВТОМАТИКА. ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА

Уровень публикации

  • Перечень ВАК

Цитировать

@article{23154bce1c7e4ee5b56f7c6f91c8a306,
title = "АНАЛИЗ ВЗАИМНОГО ВЛИЯНИЯ ИНФОРМАЦИОННЫХ ПОТОКОВ В МАГИСТРАЛЬНОМ ИНТЕРНЕТ-КАНАЛЕ",
abstract = "Обсуждаются результаты исследования влияния информационных потоков в магистральном интернет-канале, проведенного на основе анализа 15-и минутных дампов интернет-трафика, находящихся в свободном доступе в архиве MAWI [1]. При этом выделены три класса информационных потоков, в зависимости от объемов переданной данными потоками информации: «Мыши», «Мулы» и «Слоны». В соответствие с авторской методикой для каждого из выбранных классов потоков получены случайные последовательности (СП) содержащие упорядоченные во времени значения количества пакетов и объемов информации, переданных в течение заданного временного интервала, а также среднего объема переданной информации, приходящейся на один пакет. Продемонстрировано, что вопреки устоявшимся представлениям, фрактальными (самоподобными) свойствами обладают не СП но их накопленные суммы и получены оценки их показателей Херста. Построены регрессионные модели, описывающие зависимости показателей Херста накопленных сумм СП от объемов информации и числа пакетов, переданных каждым из выбранных классов пользователей, которые позволяют оценивать взаимное влияние информационных потоков, создаваемых «Мышами», «Мулами» и «Слонами», друг на друга. Установлено, что значения объемов информации, переданной в течение 15 минут каждым из классов пользователей, связаны детерминированными линейными зависимостями. Это свидетельствует о возможности разработки механизмов балансировки объемов передаваемой информации, призванных повысить качество обслуживания пользователей данным каналом, на основе управления скоростью передачи информации каждого из выделенных классов пользователей в зависимости от текущих значений показателей Херста накопленных сумм СП Приведен пример подобного алгоритма.",
author = "Поршнев, {Сергей Владимирович} and Божалкин, {Даниил Александрович} and Овечкина, {Елена Владимировна}",
year = "2019",
language = "Русский",
volume = "6",
pages = "83--108",
journal = "Cloud of Science",
issn = "2409-031X",
publisher = "Московский технологический институт",
number = "1",

}

TY - JOUR

T1 - АНАЛИЗ ВЗАИМНОГО ВЛИЯНИЯ ИНФОРМАЦИОННЫХ ПОТОКОВ В МАГИСТРАЛЬНОМ ИНТЕРНЕТ-КАНАЛЕ

AU - Поршнев, Сергей Владимирович

AU - Божалкин, Даниил Александрович

AU - Овечкина, Елена Владимировна

PY - 2019

Y1 - 2019

N2 - Обсуждаются результаты исследования влияния информационных потоков в магистральном интернет-канале, проведенного на основе анализа 15-и минутных дампов интернет-трафика, находящихся в свободном доступе в архиве MAWI [1]. При этом выделены три класса информационных потоков, в зависимости от объемов переданной данными потоками информации: «Мыши», «Мулы» и «Слоны». В соответствие с авторской методикой для каждого из выбранных классов потоков получены случайные последовательности (СП) содержащие упорядоченные во времени значения количества пакетов и объемов информации, переданных в течение заданного временного интервала, а также среднего объема переданной информации, приходящейся на один пакет. Продемонстрировано, что вопреки устоявшимся представлениям, фрактальными (самоподобными) свойствами обладают не СП но их накопленные суммы и получены оценки их показателей Херста. Построены регрессионные модели, описывающие зависимости показателей Херста накопленных сумм СП от объемов информации и числа пакетов, переданных каждым из выбранных классов пользователей, которые позволяют оценивать взаимное влияние информационных потоков, создаваемых «Мышами», «Мулами» и «Слонами», друг на друга. Установлено, что значения объемов информации, переданной в течение 15 минут каждым из классов пользователей, связаны детерминированными линейными зависимостями. Это свидетельствует о возможности разработки механизмов балансировки объемов передаваемой информации, призванных повысить качество обслуживания пользователей данным каналом, на основе управления скоростью передачи информации каждого из выделенных классов пользователей в зависимости от текущих значений показателей Херста накопленных сумм СП Приведен пример подобного алгоритма.

AB - Обсуждаются результаты исследования влияния информационных потоков в магистральном интернет-канале, проведенного на основе анализа 15-и минутных дампов интернет-трафика, находящихся в свободном доступе в архиве MAWI [1]. При этом выделены три класса информационных потоков, в зависимости от объемов переданной данными потоками информации: «Мыши», «Мулы» и «Слоны». В соответствие с авторской методикой для каждого из выбранных классов потоков получены случайные последовательности (СП) содержащие упорядоченные во времени значения количества пакетов и объемов информации, переданных в течение заданного временного интервала, а также среднего объема переданной информации, приходящейся на один пакет. Продемонстрировано, что вопреки устоявшимся представлениям, фрактальными (самоподобными) свойствами обладают не СП но их накопленные суммы и получены оценки их показателей Херста. Построены регрессионные модели, описывающие зависимости показателей Херста накопленных сумм СП от объемов информации и числа пакетов, переданных каждым из выбранных классов пользователей, которые позволяют оценивать взаимное влияние информационных потоков, создаваемых «Мышами», «Мулами» и «Слонами», друг на друга. Установлено, что значения объемов информации, переданной в течение 15 минут каждым из классов пользователей, связаны детерминированными линейными зависимостями. Это свидетельствует о возможности разработки механизмов балансировки объемов передаваемой информации, призванных повысить качество обслуживания пользователей данным каналом, на основе управления скоростью передачи информации каждого из выделенных классов пользователей в зависимости от текущих значений показателей Херста накопленных сумм СП Приведен пример подобного алгоритма.

UR - https://elibrary.ru/item.asp?id=37176029

M3 - Статья

VL - 6

SP - 83

EP - 108

JO - Cloud of Science

JF - Cloud of Science

SN - 2409-031X

IS - 1

ER -