Scaling in Internet Traffic: a 14 year and 3 day longitudinal study, with multiscale analyses and random projections
在90年代中期，它表明，从互联网流量的聚合时间序列的统计数据偏离了传统的短程依赖模型，而不是渐近自相似性的特点。在这一开创性的贡献之后，多年来，许多研究调查了互联网流量缩放的存在和形式。这方面的贡献的目的首先是提出一种方法，结合多尺度分析（小波和小波领导人）和随机投影（或草图），允许一个精确的，高效的和强大的缩放特性，这是能够看到通过非平稳异常。第二，我们应用的方法，以跨越一个非常长的时期的数据集：14年，从MAWI流量档案，从而允许深入的纵向分析的形式，性质和互联网流量的扩展的演变，以及网络机制产生它们。我们还研究了一个单独的3天长的跟踪，以获得补充洞察日内行为。我们发现，bisscaling（两个范围内的独立标度现象）制度系统地观察到：在大尺度上的长程依赖性，和多分形的精细尺度上的标度。我们精确地量化实际的缩放范围，验证高精度的预期之间的关系的长范围相关的参数和重尾参数的流量大小分布，并与精细尺度多重分形缩放典型的IP数据包到达间隔和往返时间分布。
2017-03-06 cs.NI
Traffic-aware Threshold Adjustment for NFV Scaling using DDPG
目前的解决方案主要集中在如何预测流量，而不是观察特定NFV场景中的流量特征。因此，它们中的大多数使用统一的阈值来扩展/缩小。在真实的NFV场景中，每个VNF可以服务一个或多个流，并且这些流的特性完全不同，在这种场景中使用的统一阈值是不合适的，因为每个VNF具有取决于事件网络流量和事件的不同处理逻辑。即使某些VNF共享分组处理功能，例如分组报头分析，上层处理和实现的差异也可以表现出独特的资源使用模式。我们提出了一种动态阈值缩放机制，可以根据每个VNF的特性来定制阈值。由于设置阈值是每个VNF的任务，并且需要深入了解工作负载趋势和每个VNF的多样性，因此我们为传统的动态机制添加了量身定制的功能。此外，我们还通过预测负载预留资源，并增加了一个应急模块来应对异常流量，即我们开发了一个主动和被动扩展相结合的混合扩展策略。此外，网络流量的急剧上升不仅可以由大量新的传入流引起，也可以由现有流的增长引起。如果流量的增加主要是由于现有流的增长，那么仅仅重路由新的流不能快速缓解过载，并且可能违反SLA \cite{zhang2016co}。避免违反SLA的唯一方法是快速、安全地将流和相关的NF内部状态从现有实例迁移到新的扩展实例，因此状态迁移是扩展过程的重要部分。为了保证缩放的准确性和时间轴，我们在openNF上实现了缩放过程中的流迁移。
2018-11-20 cs.NI
Scaling Migrations and Replications of Virtual Network Functions based on Network Traffic Forecasting
虚拟网络功能（VNF）的迁移和复制是在互联网服务提供商（ISP）边缘网络中面对动态资源请求的公知机制。它们不仅用于重新分配运营商网络中的资源，而且在流量过度波动的情况下，还可以将VNF卸载到第三方云提供商。我们建议研究如何流量预测可以帮助减少所需的迁移和复制的数量时，流量动态变化的网络。我们分析和比较VNF迁移和复制的三种场景：（i）仅当前观察到的流量需求，（ii）过去观察到的特定最大流量需求值，或（iii）预测流量值。对于交通需求值的预测，我们使用LSTM模型，该模型被证明是时间序列预测问题中最准确的方法之一。在流量预测模型的基础上，采用混合线性规划（MILP）模型和贪心算法来求解考虑VNF迁移和复制的优化问题。结果表明，当有足够的可用资源分配副本时，基于LSTM的流量预测可以将迁移次数减少45%，而与过度配置相比，基于云的卸载需要更少。
2021-05-11 cs.NI
Direct Feature Access -- Scaling Network Traffic Feature Collection to Terabit Speed
针对太比特流量下细粒度特征采集瓶颈，提出直接特征访问（DFA）系统，利用P4可编程数据平面和RDMA/GPUDirect绕过CPU，实现每秒3100万特征向量提取，支持52.4万条流，推动实时ML网络监控。
2025-05-23 cs.NI
A Comprehensive Study on Load Balancers for VNF chains Horizontal Scaling
我们提出了一个架构设计和参考实现水平扩展的虚拟网络功能链。我们的解决方案不需要对网络功能进行任何更改，并且能够处理状态可能取决于流量两个方向的有状态网络功能。我们使用基于哈希函数的连接感知流量负载均衡器来维护连接与动态变化的网络功能链之间的映射。我们的参考实现使用OpenFlow交换机根据负载均衡器的决策将流量路由到分配的网络功能实例。我们进行了广泛的模拟，以测试架构的可行性，并评估我们的实现的性能。
2018-10-08 cs.NI
Auto-Scaling Network Resources using Machine Learning to Improve QoS and Reduce Cost
网络功能的虚拟化（如虚拟路由器、虚拟防火墙等）使网络所有者能够有效地响应网络服务不断增长的动态性。虚拟网络功能（VNF）易于部署、更新、监控和管理。类似于云中的通用计算资源，VNF实例的数量可以基于负载轻松扩展。因此，自动缩放（无需人工干预的资源）一直受到关注。先前关于自动缩放的研究使用测量的网络流量负载来动态地对流量变化做出反应。在这项研究中，我们提出了一个积极的机器学习（ML）为基础的方法来执行自动缩放的VNF响应动态流量变化。我们提出的ML分类器从过去的VNF缩放决策和网络流量负载的季节/空间行为中学习，以提前生成缩放决策。与现有的基于ML的自动缩放方法相比，我们的研究探讨了属性（例如，启动时间）影响服务质量（QoS）和成本节约。我们考虑四种不同的虚拟化技术：基于hypervisor虚拟化的Xen和KVM，以及基于容器虚拟化的Docker和LXC。我们的研究结果显示，使用从私人ISP收集的真实数据，ML分类器具有良好的准确性。我们报告了对学习过程（学习曲线分析）、特征排序（特征选择、主成分分析（PCA）等）的深入分析，不同特征集、训练时间和测试时间的影响。我们的研究结果表明，所提出的方法如何提高QoS和降低运营成本的网络所有者。我们还展示了一个实际的用例示例（具有VNF和骨干网络的软件定义广域网（SD-WAN）），以表明我们的ML方法为网络服务租赁商节省了大量成本。
2019-03-14 cs.NI
Distributed VNF Scaling in Large-scale Datacenters: An ADMM-based Approach
网络功能虚拟化（Network Functions Virtualization，NFV）是一种很有前途的网络架构，其中网络功能被虚拟化并与专有硬件解耦。在现代网络中心中，用户网络流量需要一组虚拟网络功能（VNF）作为服务链来处理流量需求。大规模数据中心的流量波动会导致服务链的过载和欠载现象。在本文中，我们提出了一种分布式方法的基础上交替方向乘法（ADMM），以联合负载平衡的流量和水平规模向上和向下的VNF在最不发达国家以最小的部署和转发成本。首先，我们制定的目标优化问题作为一个混合线性规划（MILP）模型，这是NP完全的。其次，我们把它放松成两个线性规划（LP）模型，以应付过载和欠载的服务链。在小型或中型数据中心的情况下，LP模型可以以低时间复杂度的集中方式运行。然而，在最不发达国家中，增加LP变量的数量会导致中央算法的额外时间消耗。为了缓解这一问题，我们的研究提出了一种基于ADMM的分布式方法。在不同的场景中验证了所提出的机制的有效性。
2017-09-05 cs.NI
Packet-Level Network Compression: Realization and Scaling of the Network-Wide Benefits
互联网业务中分组级存在大量冗余，通过使网络节点能够记住数据分组，刺激了网络内分组级冗余消除技术的部署。冗余消除导致流量减少，这反过来又提高了网络链路的效率。在本文中，网络压缩的概念被引入，希望利用统计相关性，而不仅仅是从流中删除大的重复字符串，以更好地抑制冗余。在本文的第一部分中，我们介绍了“记忆辅助压缩”，它利用网络内的记忆内容来学习生成数据包的信息源的统计信息，然后可以用于减少描述源发出的数据包的码字的长度。使用模拟从真实的网络跟踪收集的数据，我们表明，内存辅助压缩可以导致显着的流量减少。在本文的第二部分中，我们研究了内存辅助压缩的平均网络范围效益的扩展。我们讨论了路由和存储器的放置问题，在网络中的整体流量的减少。我们推导出一个封闭形式的表达式，用于扩展Erdos-Renyi随机网络图中的增益，其中获得随机图中部署的存储器数量的阈值，超过该阈值，网络范围的好处开始闪耀。最后，在类互联网的无标度网络上研究了全网络效益。我们表明，非零网络压缩增益，即使在网络中的节点总数的一小部分是记忆启用。
2014-11-24 cs.NI
Dimensioning of V2X Services in 5G Networks through Forecast-based Scaling
随着智能交通系统的日益采用和自动驾驶汽车时代的到来，车辆服务（例如远程驾驶、协作感知和危险预警）将面临不断变化和动态的环境。道路上的交通流量是这些服务的关键条件，因此，预测它们将如何随着时间的推移而变化至关重要。通过了解未来事件（如交通堵塞），可以按需确定车辆服务的规模，以最大限度地减少违反服务水平协议（SLA）的情况，从而降低车祸的几率。本研究从传统的时间序列技术与最近的机器学习（ML）为基础的解决方案，以预测交通流量的都灵（意大利）的道路进行评估。鉴于所选择的预测技术的准确性，提出了一个基于预测的缩放算法，并在一组具有严格的延迟要求的三个不同的车辆服务的尺寸实验进行评估。结果表明，所提出的缩放算法，使资源节省高达5%的成本，在引起的延迟违规增加不到0.4%。
2021-05-26 cs.NI
Scaling 5G-TSN Bridges: Operating Regimes, Scheduling, and Time Synchronisation Under Heterogeneous Industrial Traffic
University College Cork（科克大学）
该研究针对5G NR桥接异构工业流量的可扩展性，在特定仿真平台上建模多类工业流量，分析三种运行机制、调度器性能及时序同步问题，为满足TSN低延迟需求提出无线配置优化方向。
2026-08-17 cs.NI
Bandwidth sharing networks with priority scaling
在多类通信网络中，由于一类用户的流量激增可以显着降低其他类的性能。因此，在这些瞬态期间，实现优先级机制是至关重要的，该优先级机制保持受影响的类所经历的服务质量，同时确保暂时不稳定的类不被完全忽略。在本文中，我们研究了复杂的相互作用发生在几类流量时，类获得带宽成比例的传入流量。我们描述了网络从初始浪涌发生的时刻，直到系统达到平衡的演变。使用适当的缩放，我们表明，暂时不稳定类的轨迹可以描述的微分方程，而那些稳定的类保留其随机性质。随机平均现象发生，暂时不稳定和稳定类的动态继续相互影响。我们进一步描述所得到的微分方程和稳定区域下的单调网络的缩放。我们说明了这些结果的几个玩具的例子，我们最后建立了一个惩罚规则，使用这些结果的网络集成流媒体和弹性流量。
2011-12-09 cs.NI cs.PF math.PR
Characterizing Delay and Control Traffic of the Cellular MME with IoT Support
高级蜂窝网络的主要用例之一由大规模物联网（MIoT）表示，即，大量物联网设备向蜂窝网络基础设施传输数据。为了使蜂窝MIoT成为现实，需要专门为支持物联网而设计的数据传输和控制程序。出于这个原因，3GPP引入了控制平面蜂窝物联网优化，该优化预见了简化的承载实例化，其中移动性管理实体（MME）处理控制和数据流量。因此，MME的性能变得至关重要，适当扩展其计算能力可以决定整个网络有效解决MIoT的能力。特别地，考虑到虚拟化网络和对计算资源的有效分配的需求，随着MIoT业务负载的变化，表征MME性能是至关重要的。我们通过呈现将物联网源的数量与请求承载的速率联系起来的紧凑、封闭形式的表达式，以及这种速率与物联网数据引起的延迟来解决这一需求。我们表明，我们的分析，通过测试台实验的支持和验证，通过大规模的模拟，是一个有价值的工具，使有效的扩展决策，在虚拟化的蜂窝核心网络。
2020-01-01 cs.NI
Generalizable Resource Scaling of 5G Slices using Constrained Reinforcement Learning
University of Waterloo（滑铁卢大学）；Rogers Communications Inc.（罗杰斯通信公司）
针对5G切片资源分配中QoS与资源关系复杂、现有方法泛化性差的问题，提出基于回归模型与域随机化离线训练的风险约束强化学习方法，实现可泛化的资源动态伸缩，在未知流量下将QoS下降控制在10%阈值内且最小化资源占用。
2023-06-15 cs.LG cs.NI
A Simple Proof of Linear Scaling of End-to-End Probabilistic Bounds using Network Calculus
统计网络演算是网络演算的概率扩展，它使用一种简单的包络方法来描述到达流量和到达流量在节点中可提供的服务。网络演算的关键特征之一是可以使用由构成网络的各个节点的服务包络构造的网络服务包络来描述网络中可用的服务。已经表明，使用网络服务包络计算的端到端最差情况性能测量由$ {\cal O} (H) $限定，其中$H$是流穿过的节点的数量。已经有许多尝试来实现端到端概率性能测量的类似线性缩放，但成功有限。在本文中，我们提出了一个简单的一般证明计算端到端的概率性能指标，使用网络演算，线性增长的节点数（$H$）。
2012-12-10 cs.NI
Multi-Temporal Analysis and Scaling Relations of 100,000,000,000 Network Packets
我们的社会从未像现在这样依赖于计算机网络。有效利用网络需要详细了解网络流量的正常背景行为。网络的大规模测量在计算上具有挑战性。基于先前在交互式超级计算和GraphBLAS hypersarse分层流量矩阵方面的工作，我们开发了一种有效的方法，用于在不同的时间尺度上计算各种各样的流网络数量。将这些方法应用于在网络网关处收集的100，000，000，000个匿名源-目的地对，揭示了许多以前未观察到的缩放关系。这些观察结果为正常网络背景流量提供了新的见解，可用于异常检测，AI特征工程和测试流媒体网络的理论模型。
2020-08-01 cs.DC cs.NI cs.SI
Scaling Routers with In-Package Optics and High-Bandwidth Memories
Technion（以色列理工学院）；UC Berkeley（加州大学伯克利分校）；UC San Diego（加州大学圣地亚哥分校）
本文提出了一种利用封装光学和高带宽内存技术，实现高带宽路由器架构，并探讨了其在互联网路由器设计中的范式转变及功率瓶颈问题。
2026-02-11 cs.AR cs.NI
Mobility can drastically improve the heavy traffic performance from 1/(1-rho) to -log(1-rho)
我们研究了一个无线网络模型，其中用户以s速度移动，它具有通过一个固定点方程定义的原始特征。也就是说，我们从一个两类处理器共享队列模型的一个代表性的细胞，这个网络：类1用户不耐烦（非移动）和类2用户不耐烦（移动）。这个模型有五个参数，我们研究的情况下，这些参数之一是通过一个固定点方程设置为其他四个的函数。这个固定点方程捕捉到了这样一个事实，即所考虑的单元与网络的其余部分处于平衡状态。这种建模方法使我们能够减轻移动网络的早期模型的一些缺点。我们的主要和令人惊讶的发现是，对于这个模型，移动性大大改善了高负荷服务行为，从通常的1/（1-rho）缩放没有移动性（即，当s=0时）到对数标度-log（1-ρ）。在高负载的情况下，这证实了移动系统的性能受益于用户的空间移动性。其他模型的扩展和补充的方法，这高负荷服务分析的最后讨论。
2019-09-10 cs.NI math.PR
Online VNF Scaling in Datacenters
网络功能虚拟化（NFV）是一种有前途的技术，其承诺通过将虚拟化网络功能（VNF）部署到商用服务器来代替专用硬件中间盒来显著降低网络服务的操作成本。VNF通常在云基础设施中的虚拟机实例上运行，其中虚拟化技术实现VNF实例的动态供应，以处理需要通过网络服务中的网络功能的波动流量。在本文中，我们的目标是动态配置的企业网服务-表示为一个或多个服务链-在云计算中心，并设计高效的在线算法，而不需要任何信息的未来流量率。关键是决定每次要配置的每个VNF类型的实例数量，同时考虑服务链中相邻VNF之间的服务器资源容量和流量速率。在单服务链的情况下，我们发现了一个优雅的结构的问题，并设计了一个有效的随机算法实现了e/（e-1）的竞争比。针对多个并发服务链，提出了一个O（1）竞争的在线启发式算法。我们证明了我们的算法的有效性，使用坚实的理论分析和跟踪驱动的模拟。
2016-04-05 cs.DS cs.NI
Five Blind Men and the Internet: Towards an Understanding of Internet Traffic
ETH Zürich（苏黎世联邦理工学院）
本文通过分析全球472个互联网交换点的两年数据，揭示了全球互联网流量增长趋势及地域性流量模式，为长期监控提供可验证的基础。
2026-03-26 cs.NI
On the repair time scaling wall for MANETs
传统上，实际的MANET部署无法扩展到超过约100个节点，这被归咎于支持路由相关控制业务的网络容量不足。然而，本文指出，网络容量是显着利用不足的标准MANET路由算法在观察到的缩放限制。因此，与从容量的角度确定MANET路由的缩放限制相反，它的特征在于路径故障（由于移动性引起的）和路径修复的动态之间的相互作用的函数。这导致发现的修复时间缩放墙，这是用来解释观察到的缩放限制在MANDENT。修复时间缩放墙背后的因素进行了识别和技术，以扩大缩放限制进行了说明。
2015-09-09 cs.NI
Online Scaling of NFV Service Chains across Geo-distributed Datacenters
网络功能虚拟化（NFV）是一种新兴的范例，其将网络功能的依赖于硬件的实现（即，中间盒）转换为运行在虚拟化平台上的软件模块，从而显著降低成本并简化管理。这样的虚拟网络功能（VNF）通常构成业务链，以提供业务流需要经过的网络服务。用于网络服务供应的VNF的高效部署是实现NFV目标的关键。关于VNF放置的现有努力主要处理离线或一次性放置，忽略了VNF处理实际时变流量的基本动态部署和缩放需求。这项工作研究了VNF服务链在地理分布的网络中心的动态放置，以服务于分散的源和目的地对之间的流，以使服务链提供商在整个系统跨度上的运营成本最小化。提出了一种有效的在线算法，它包括两个主要部分：（1）一种基于正则化的在线学习方法，将离线最优部署问题转化为一系列单次正则化问题，每个问题在一个时隙内有效求解;（2）一种在线相关舍入方案，用于从单次问题的最优分数解导出可行整数解，并保证在线算法在整个时间跨度上的良好竞争率。我们验证了我们的在线算法与坚实的理论分析和跟踪驱动的模拟现实环境下。
2016-11-24 cs.NI
Scalable Real-time Transport of Baseband Traffic
在大规模MIMO等无线部署中，无线电前端和后端处理通过传输网络连接，满足实时的【形】处理要求对于实现网络扩展带来的容量增益至关重要。虽然已经实现了简单形式的基带传输，但缺乏更大规模的实时的【形】分析。为此，我们提出了基带传输网络的设计，延迟和容量分析，利用无线处理的背景下的实时的【形】系统的结果。我们提出了一种新的基于胖树的设计，称为DISTRO，基带传输，这是一个实时的【形】网络，限制每个基带数据包的最大端到端传输延迟。它通过在网络中的每个聚合点设置设计约束和限制排队延迟来实现这一点。我们进一步使用DISTRO的无线容量的特点，并提供了一个有效的搜索算法的设计实现基带传输的容量。
2018-01-29 cs.NI
Max-Weight Scheduling in Queueing Networks with Heavy-Tailed Traffic
研究了单跳路由网络中的分组调度问题，分析了重尾业务对最大权调度性能的影响。作为一个性能指标，我们使用的延迟稳定的流量：流量是延迟稳定的，如果其预期的稳态延迟是有限的，否则延迟不稳定。首先，我们证明了一个重尾的交通流是延迟不稳定的任何调度策略。然后，我们专注于著名的最大权重调度策略，并表明，轻尾流与重尾流的冲突也是延迟不稳定的。这是真实的，而不管轻尾流的速率或尾部分布，或网络中的其他调度约束。令人惊讶的是，我们表明，轻尾流可以延迟不稳定，即使它不与重尾交通冲突。此外，在这种情况下，延迟稳定性可能取决于轻尾流的速率。最后，我们把我们的注意力转移到类的最大权重-a调度策略，我们表明，如果a-参数选择适当，那么稳态队列长度的a-时刻的总和是有限的。我们提供了一个明确的上界，后者的数量，从中我们得到的结果相关的延迟稳定的交通流量，和缩放的时刻的稳态队列长度与交通强度。
2011-08-01 cs.NI math.PR
Kubernetes Autoscaling: YoYo Attack Vulnerability and Mitigation
近年来，我们目睹了一种新的DDoS攻击，即突发攻击（Chai，2013; Dahan，2018），攻击者对在线目标发起周期性的流量过载突发。最近的工作提出了一种新的突发攻击，YoYo攻击（Bremler-Barr等人，2017年），它针对云中VM的自动扩展机制进行操作。流量负载的周期性突发导致自动缩放机制在按比例放大和按比例缩小阶段之间振荡。自动扩展机制将平面DDoS攻击转化为经济拒绝可持续性攻击（EDOS），受害者因支付处理攻击者生成的流量所需的额外资源而遭受经济损失。然而，它表明，YoYo攻击也会导致显着的性能下降，因为它需要时间来扩展VM。在这项研究中，我们分析了Kubernetes自动伸缩对YoYo攻击的弹性。近年来，使用Kubernetes的容器化云应用程序越来越受欢迎，并取代了基于VM的架构。我们在Google Cloud Platform上展示了实验结果，表明即使容器的扩展待用时间远低于VM，但由于VM仍然参与其中，Kubernetes仍然容易受到YoYo攻击。最后，我们评估了可以准确检测Kubernetes集群上的YoYo攻击的ML模型。
2021-05-08 cs.CR cs.NI
Capacity and Delay Tradeoff of Secondary Cellular Networks with Spectrum Aggregation
蜂窝通信网络受到冗余容量的困扰，这导致网络资本投资的低利用率和成本效益。可以利用冗余容量来提供超弹性和延迟容忍的辅助流量。在本文中，我们提出了一个分析框架，研究容量延迟权衡的弹性/二级业务在大规模蜂窝网络与频谱聚合。我们的框架集成了随机几何和排队论模型，并给出了分析的见解的容量延迟性能的干扰限制制度。封闭形式的结果得到表征的平均延迟和延迟分布的功能，每个用户的吞吐量。频谱聚合，用户和基站（BS）的密度，流量会话的有效载荷，和主要的流量动态的容量延迟权衡关系的影响进行了研究。导出了基本容量极限，揭示了其标度行为。我们的分析表明，通过蜂窝网络提供二次通信服务的可行性，并强调了一些关键的设计问题。
2016-12-28 cs.NI
Scaling Graph-based Deep Learning models to larger networks
Barcelona Neural Networking center（巴塞罗那神经网络中心）；Universitat Politècnica de Catalunya（加泰罗尼亚理工大学）；AGH University of Science and Technology（AGH科技大学）
图神经网络（GNN）已经显示出强大的潜力，被集成到商业产品的网络控制和管理。使用GNN的早期工作已经展示了前所未有的能力，可以从基本上表示为图形的不同网络特征中学习，例如拓扑结构，路由配置或沿着网络中一系列节点流动的流量。与以前基于机器学习（ML）的解决方案相比，GNN能够产生准确的预测，即使在训练阶段看不到的其他网络中也是如此。如今，GNN是机器学习领域的一个热门话题，因此，我们正在目睹人们在许多不同领域（例如，化学、物理、社交网络）。在这种情况下，2021年图神经网络挑战赛带来了现有基于GNN的网络解决方案的实际限制：缺乏对更大网络的泛化。本文通过提出一种基于GNN的解决方案来解决可扩展性问题，该解决方案可以有效地扩展到更大的网络，包括更高的链路容量和链路上的聚合流量。
2021-10-04 cs.LG cs.NI
DataZoo: Streamlining Traffic Classification Experiments
FIT CTU（捷克技术大学信息技术学院）；CESNET（捷克教育科研网）
针对网络流量分类缺乏标准基准与工具的问题，本文提出 DataZoo，通过统一 API、三大数据集及考虑时间和服务因素的划分与缩放方法，提升实验复现与方法可比性。
2023-10-30 cs.LG cs.NI
A Deep RL Approach on Task Placement and Scaling of Edge Resources for Cellular Vehicle-to-Network Service Provisioning
Nokia Bell Labs（诺基亚贝尔实验室）；Scuola Superiore Sant’Anna（圣安娜高等科学院）；NEC Laboratories Europe（NEC欧洲实验室）
针对C-V2N服务中任务放置与边缘资源扩缩容的联合优化难题，提出在混合动作空间运行的DRL方法DHPG，并通过真实数据集仿真证明其可保证第99百分位延迟目标、优化资源利用且支持实时服务。
2025-06-07 cs.AI cs.MA cs.NI
Automatic Parallelization of Software Network Functions
Maestro自动并行化软件网络功能，通过配置NIC的RSS机制和选择无共享或细粒度锁策略，在保持语义的同时实现线性扩展，并优于硬件事务内存。
2023-10-13 cs.NI
Spatial Temporal Analysis of 40,000,000,000,000 Internet Darkspace Packets
互联网对我们的社会从未如此重要，了解互联网的行为至关重要。应用互联网数据分析中心（CAIDA）望远镜观察到来自一个未经请求的暗空间（占互联网的1/256）的连续数据包流。在2019年和2020年期间，收集了超过40，000，000，000，000个独特的数据包，代表了有史以来最大的互联网流量公共语料库。利用加州大学圣地亚哥分校，劳伦斯伯克利国家实验室和麻省理工学院的超级计算中心的综合资源，从CAIDA望远镜数据的匿名源-目的地对的时空结构进行了分析与GraphBLAS层次超解析矩阵。这些分析提供了独特的见解，这种不请自来的互联网暗空间流量与许多以前看不见的缩放关系的发现。数据显示，与COVID 19大流行开始相对应的未经请求的流量显著持续增加，但与独特来源、来源扇出、独特链接、目的地扇入和独特目的地相关的潜在缩放关系变化相对较小。这项工作证明了安全收集和分析大量匿名互联网流量的实际可行性和好处。
2021-08-15 cs.DC cs.NI cs.PF
Scalable Percolation Search in Power Law Networks
我们介绍了一个可扩展的搜索算法，发现节点和内容的随机网络的幂律（PL）和重尾度分布。使用概率广播算法搜索网络，其中查询消息以略高于网络的键逾渗阈值的概率在每个边缘上中继。我们表明，如果每个节点缓存其目录通过一个短的随机游走，那么{ \em可访问的内容的总数表现出一阶相变}，确保非常高的命中率略高于逾渗阈值。在任何大小为$N$，指数为$2 \leq τ< 3$的随机PL网络中，每次查询的总流量按次线性比例缩放，而搜索时间按$O(\log N)$比例缩放。在具有指数$τ\approx 2$的PL网络中，{ \em任何内容或节点}可以在时间$O(\log N)$中以{ \em概率接近1}位于网络中，同时如果最大度$k_{max}$不受约束，则生成缩放为$O(\log^2 N)$的流量，并且如果$ k_{max}=O(\sqrt{N})$，则生成缩放为$O(N^{{1/2}+ε})$（对于任何$ε>0$）的流量。广泛的大规模模拟表明这些标度律是精确的。我们讨论了如何渗透搜索算法可以直接适用于解决众所周知的非结构化对等网络（P2P）的缩放问题。现有的P2P服务的样本大规模的子网络上的协议的模拟表明，整体流量可以减少近两个数量级，而没有任何显着的搜索性能的损失。
2004-06-07 cond-mat.dis-nn cs.NI
HyperNAT: Scaling Up Network AddressTranslation with SmartNICs for Clouds
网络地址转换（NAT）是云网关中的基本功能。随着云租户引入的流量和流量数量的增加，NAT网关需要在服务器集群上实现。我们建议扩大网关服务器，这可以减少服务器的数量，从而减少资本支出和运营支出。我们设计了HyperNAT，它利用智能路由器来提高服务器的处理能力。在HyperNAT中，NAT功能分布在多个NAT上，并相应地划分和分配流空间。HyperNAT通过将规则克隆到一个连接的两个方向的数据路径上，克服了一个连接的两个方向上的数据包需要由相同的NAT规则（称为双向一致性，TDC）处理的挑战。我们对HyperNAT的实现和评估表明，HyperNAT能够以较低的开销有效地扩展云网关。
2021-11-16 cs.DC cs.NI
