Adaptive Load-Aware Sampling for Network Monitoring on Multicore Commodity Hardware
许多当前的流量监控系统采用深度数据包检测（DPI）来分析网络流量。这些系统包括入侵检测系统、网络流量计费软件、流量分类或监控服务级别协议的系统。当前企业和ISP网络的流量和链路速度将检查流量有效负载的过程转变为一项具有挑战性的任务。在本文中，我们提出了一种新的自适应采样算法，选择DPI系统能够消耗的网络中的数据包的最大数量。我们的算法适应其采样率，根据当前观察到的网络流量，以及监测应用程序能够处理的数据包的数量。它可以与当前的多核感知网络流量分析设置结合使用，允许利用当前的多核硬件。我们展示了我们的算法的适用性与现场测试上大量使用的10G链路与真正的网络监控工具。
2016-04-08 cs.NI
Adaptive TXOP Assignment for QoS Support of Video Traffic in IEEE 802.11e Networks
在IEEE 802.11 e协议中，通过HCF受控信道接入（HCCA）调度器来提供服务质量（QoS），HCCA调度器对于支持恒定比特率（CBR）应用是有效的。已经进行了大量的研究，以提高HCCA调度器，试图适应可变比特率（VBR）的视频流量，这可能表明在时间的非确定性配置文件的需要。本文提出了一种自适应TXOP分配机制，以支持传输的预先录制的视频业务在IEEE 802.11e无线网络。所提出的机制使用关于上行链路业务的后续视频帧的大小的反馈来帮助混合协调器（HC）根据VBR配置文件中的快速变化准确地分配TXOP。仿真结果表明，我们的机制减少了延迟所经历的VBR业务流相比HCCA调度器由于准确分配的TXOP保留信道时间的数据传输。
2016-02-11 cs.NI
Adaptive MAC Protocols Using Memory for Networks with Critical Traffic
我们考虑无线通信网络，其中网络用户受到紧急情况和危机等关键事件的影响。如果用户发生关键事件，用户需要尽早发送关键流量。然而，大多数现有的媒体访问控制（MAC）协议不足以满足用户的数据传输的迫切需要与关键业务。在本文中，我们设计了一类分布式MAC协议，实现协调使用有限长度的内存中的用户包含自己的意见和流量类型。我们制定了一个协议设计问题，并找到解决问题的最佳协议。我们表明，所提出的协议，使用户的关键业务传输的关键业务没有中断，从其他用户经过短暂的延迟，同时允许用户有效地共享信道时，没有关键的流量。此外，所提出的协议需要较短的内存，可以实现没有显式的消息传递。
2010-05-05 cs.NI
Optimization of Quality of Experience for Video Traffic
向视频点播和实时的信息系统的快速转变已经影响了移动网络以及有线网络。研究界非常关注优化视频流量的体验质量（QoE），主要是因为视频在互联网用户中很受欢迎。已经在不同的方向上提出了技术，以改善视频用户的感知。本文研究了一种新的跨层架构的性能优化的视频流量的QoE。所提出的架构相比，其他两个架构，非自适应和自适应。对于前者，视频流量在没有自适应的情况下发送，而对于后者，视频源调整其传输速率。两种方法在视频会话的平均意见分数、会话数、延迟、丢包率、抖动和利用率方面进行了比较。大量的仿真结果表明，所提出的架构优于非自适应和自适应架构的视频流量。
2020-08-23 cs.NI
An Adaptive Flow-Aware Packet Scheduling Algorithm for Multipath Tunnelling
本文提出了AFMT，一个数据包调度算法，以实现自适应流量感知的多径隧道。AFMT有两个独特的属性。首先，它实现了鲁棒的自适应流量分流的子隧道。其次，它检测和调度突发的数据包内聚，一个方案，已经使流量分裂负载均衡与很少或没有数据包重新排序。NS-3在不同网络拓扑结构上的实验表明，AFMT成功地处理了由于背景流量而变化的路径特性，同时提高了吞吐量和可靠性。
2020-09-09 cs.NI
Adaptive Robust Traffic Engineering in Software Defined Networks
软件定义网络（SDN）的主要优势之一是有机会集成流量工程模块，从而能够根据流量优化网络配置。理想情况下，网络应该动态地重新配置业务的演变，从而实现显着的收益，在资源的有效利用相对于传统的静态方法。不幸的是，重新配置不能太频繁，由于路由稳定性，转发规则的实例化，个人流量动态，流量监控开销等相关的一些原因，在本文中，我们专注于决定是否，何时以及如何重新配置网络在流量演变的基本问题。我们提出了一种新的方法来聚类相关点的多维交通空间考虑到最佳路由的相似性，而不仅仅是在流量值。此外，为了在应用重新配置时为在线决策提供更大的灵活性，我们允许集群之间的一些重叠，这可以保证高质量的路由，而不管过渡时刻如何。我们比较我们的算法与国家的最先进的方法在现实的网络场景。结果表明，我们的方法显着减少了重新配置的数量与网络性能的偏差可以忽略不计，相对于网络配置的不断更新。
2017-12-15 cs.NI
Stuck in Traffic (SiT) Attacks: A Framework for Identifying Stealthy Attacks that Cause Traffic Congestion
无线技术的最新进展使得智能交通系统（ITS）中的许多新应用成为可能，例如防撞、协同驾驶、拥塞避免和交通优化。由于无线通信的易受干扰和故意干扰的性质，ITS面临着确保整个系统的可靠性和安全性的新挑战。在本文中，我们揭示了一类隐形攻击-交通堵塞（SiT）攻击-旨在通过利用驾驶员如何根据智能交通标志做出决策来造成拥堵。安装SiT攻击的攻击者解决马尔可夫决策过程问题，以找到最优/次优攻击策略，其中他/她干扰基于系统状态的精心选择的信号子集。我们应用近似策略迭代（API）算法来获得有效的攻击策略。我们评估他们的性能在一些系统上，并将它们与其他攻击策略，包括随机，近视和DoS攻击策略进行比较。所产生的政策，虽然次优，显着优于其他攻击策略，因为它们最大限度地提高了预期的累积奖励从攻击者的立场。
2012-10-19 cs.MA cs.NI
FitNets: An Adaptive Framework to Learn Accurate Traffic Distributions
FitNets通过数据平面与控制平面间的反馈机制，利用核密度估计器自适应学习精确流量分布，实现每秒处理6000万样本的高效监控。
2024-05-24 cs.NI
Traffic-Adaptive Per-Hop Multipath Routing in Multi-Hop UAV Networks
Beijing University of Posts and Telecommunications（北京邮电大学）；China Mobile Zijin (Jiangsu) Innovation Research Institute（中国移动紫金（江苏）创新研究院）；Queen Mary University of London（伦敦大学玛丽女王学院）；China Telecom Beijing Research Institute（中国电信北京研究院）；Chongqing University（重庆大学）
针对多跳无人机网络的链路波动与拓扑变化问题，提出MAPPO-DM算法实现逐跳多路径流量自适应路由，可提升分组按时交付率并降低丢失率，性能优于基线方法。
2026-08-27 cs.NI
Harnessing Digital Twin Technology for Adaptive Traffic Signal Control: Improving Signalized Intersection Performance and User Satisfaction
提出融合实时轨迹、需求预测与并行仿真的数字孪生ATSC框架DT1/DT2，实验证明其可在不同交通需求下降低控制延误并改善用户满意度。
2023-07-01 cs.NI
ARTSN: Exact and Adaptive Self-triggered Traffic Scheduling for ARTS Networks
Southern University of Science and Technology（南方科技大学）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；University of California, Riverside（加州大学河滨分校）；Pengcheng Laboratory（鹏城实验室）；Hanshan Normal University（韩山师范学院）
针对自触发流量波动性和缺席性挑战，提出ARTSN调度范式，利用可推断到达信息实现精确离线调度，并设计自适应在线时隙释放机制，显著提升可调度性、可扩展性和效率。
2026-06-15 cs.NI
An Adaptive Hybrid Channel Reservation Medium Access Control Protocol for Differentiated QoS
针对密集分布式无线网络高负载下差异化QoS难保障的问题，提出结合绝对/相对预留的DSGARM混合MAC协议，经建模分析与仿真验证其性能优异。
2023-06-10 cs.NI
An Adaptive Channel Reservation MAC Protocol Based on Forwarding Traffic of Key Nodes
针对Ad Hoc网络中关键节点因转发流量大、环境复杂导致信道接入不足、端到端性能差的问题，提出基于关键节点转发流量的自适应信道预留MAC协议FTKN-CRM，通过WRA自适应调整预留机会，仿真验证其性能优于IEEE 802.11ax等协议。
2023-04-28 cs.NI
Cache-Aware QoE-Traffic Optimization in Mobile Edge Assisted Adaptive Video Streaming
多接入边缘计算（MEC）能够将视频内容放置在网络边缘，旨在提高移动客户端的体验质量（QoE）。边缘服务器处的视频内容缓存还减少了移动网络回程中的流量，从而降低了移动网络运营商（MNO）的运营成本。然而，最小化高速缓存未命中率和最大化平均视频质量有时可能彼此矛盾，特别是当高速缓存大小受到约束时。我们在这篇文章中的目标是两个方面：首先，我们探索固定视频内容缓存对移动客户端的最佳QoE的影响，在移动网络边缘的服务器处理比特率选择的设置。其次，我们要研究缓存替换对QoE流量权衡的影响。针对联合最大化QoE、公平性以及最小化源视频服务器上的总数据流量的问题，制定了整数非线性规划（INLP）优化模型。由于其NP-困难性，我们然后提出了一个低复杂度的贪婪算法，最小需要的参数调整，可以很容易地部署。我们通过模拟表明，联合优化确实能够实现流量减少和QoE之间的理想权衡。结果还表明，在固定缓存内容的情况下，缓存对QoE的影响与MNO的期望操作点成比例。此外，当缓存大小受到约束时，缓存替换对QoE的影响与其对回程流量的影响相比不太明显。
2018-05-19 cs.NI
FlexScatter: Predictive Scheduling and Adaptive Rateless Coding for Wi-Fi Backscatter Communications in Dynamic Traffic Conditions
本文提出 FlexScatter，一种 Wi-Fi 背散射通信系统，通过基于激励预测的调度策略与结合 LDPC 和喷泉码的自适应无速率编码算法，有效应对动态信道与低能耗挑战，显著降低误码率并提升能效与系统效用。
2024-12-12 cs.NI
Destination-aware Adaptive Traffic Flow Rule Aggregation in Software-Defined Networks
Technische Universität Chemnitz（开姆尼茨工业大学）
在本文中，我们提出了一个目的地感知的自适应流量规则聚合（DATA）机制，以促进基于SDN的网络中的流量监控。该方法根据其他机制（例如，用于流量工程、流量监控、入侵检测）所需的流量流信息的详细程度来适配SDN交换机中的流表条目的数量。它还通过将流表条目的数量保持在远低于临界水平来防止SDN交换机的性能下降。该水平不是预设为硬阈值，而是在操作期间通过使用基于机器学习的算法来学习。DATA方法在RESTful应用（DATA App）内实现，该RESTful应用监控和分析正在进行的网络流量，并向SDN控制器提供指令以相应地适配流量流匹配策略。在SDN仿真环境中对DATA进行了全面的性能评估。结果表明，与常见SDN控制器的默认行为相比，所提出的DATA方法可以显著提高SDN交换机的性能，同时仍能按需提供详细的流量信息。
2019-09-07 cs.LG cs.NI
Adaptive TTL-Based Caching for Content Delivery
内容分发网络（CDN）在互联网上提供大部分用户请求的内容，包括网页、视频和软件下载。CDN服务器缓存并提供用户请求的内容。设计自动适应现实世界内容请求的异构性，突发性和非平稳性的缓存算法是一个重大挑战，也是我们工作的重点。虽然有很多工作的静态请求流量的缓存算法，非静态请求流量的工作非常有限。因此，大多数现有模型对于非平稳的生产CDN流量是不准确的。我们提出了两个TTL为基础的缓存算法，并提供可证明的保证内容请求流量是突发性和非平稳的。第一个算法称为d-TTL动态适应TTL参数使用随机近似方法。给定一个可行的目标命中率，我们表明，命中率的d-TTL收敛到其目标值的一般类的突发流量，允许马尔可夫依赖于时间和非平稳到达。第二种算法称为f-TTL，它使用两个缓存，每个缓存都有自己的TTL。第一级缓存自适应地过滤掉非静态流量，而第二级缓存存储频繁访问的静态流量。给定命中率和预期缓存大小的可行目标，f-TTL渐进地实现这两个目标。我们实现了d-TTL和f-TTL，并使用来自生产CDN服务器的5亿个请求组成的广泛的九天跟踪来评估这两种算法。我们表明，d-TTL和f-TTL收敛到他们的命中率目标的误差约为1.3%。但是，f-TTL需要比d-TTL小得多的缓存大小才能达到相同的命中率，因为它有效地过滤掉了很少访问的对象的非静态流量。
2017-12-09 cs.NI
Congestion Management in High-Performance Interconnection Networks Using Adaptive Routing Notifications
本文提出一种利用自适应路由通知的高效拥塞管理策略，通过在交换机缓冲区保留空间中隔离拥塞流，解决局部路由决策导致的拥塞蔓延问题，仿真表明其能完全消除拥塞影响。
2025-02-02 cs.NI
Adaptive Hybrid Spatial-Temporal Graph Neural Network for Cellular Traffic Prediction
China Mobile Research Institute（中国移动研究院）
蜂窝业务量预测是智能通信网中不可缺少的一部分。然而，由于频繁的用户移动性和复杂的网络调度机制，蜂窝业务往往继承复杂的时空模式，使得预测令人难以置信的挑战。虽然最近的先进算法，如基于图的预测方法已被提出，他们经常模型的空间依赖性的基础上静态或动态图，并忽略了共存的多种空间相关性引起的流量生成。同时，一些研究工作缺乏对蜂窝业务模式多样性的考虑，导致预测结果不理想。在本文中，我们提出了一种新的深度学习网络架构，自适应混合时空图神经网络（AHSTGNN），以解决蜂窝流量预测问题。首先，我们应用自适应混合图学习来学习蜂窝塔之间的复合空间相关性。其次，我们实现了一个时间卷积模块与多周期的时间数据输入，以捕捉非线性的时间依赖性。此外，我们引入了一个额外的时空自适应模块来克服蜂窝塔的异构性。我们在两个真实世界的蜂窝流量数据集上的实验表明，AHSTGNN的性能明显优于最先进的技术，说明了我们的时空蜂窝流量预测方法的优越可扩展性。
2023-02-28 cs.AI cs.LG cs.NI
S-MATE: Secure Coding-based Multipath Adaptive Traffic Engineering
已经有几种方法来在互联网服务提供商（ISP）网络中的核心网络节点之间提供业务。这些方法旨在最小化网络延迟，增加网络容量，并增强网络安全服务。MATE（多路径自适应流量工程）协议已经被提出用于入口节点（源）和出口节点（目的地）之间的多路径自适应流量工程。其新颖的思想是避免网络拥塞和攻击可能存在的边缘和节点不相交的路径之间的两个核心网络节点。本文建立了一个自适应的，鲁棒的，可靠的流量工程方案，以更好的性能的通信网络操作。这还将提供服务质量（QoS）和流量工程保护，以最大限度地提高网络效率。具体来说，我们提出了一种新的方法，S-MATE（安全MATE）的开发，以保护在云网络中的两个核心节点（路由器或交换机）之间的网络流量。S-MATE通过在发送方和接收方之间的一条操作路径中添加冗余来防止单链路攻击/故障。所提出的方案可以用于保护核心网络，如光纤和IP网络。
2010-10-23 cs.CR cs.IT cs.NI
A Deep Reinforcement Learning Approach for Adaptive Traffic Routing in Next-gen Networks
Singapore Institute of Technology（新加坡科技学院）；Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局）
提出一种基于深度强化学习和图卷积网络的自适应流量路由方法，无需标记数据，相比OSPF提升吞吐量7.8%并降低延迟16.1%。
2024-02-07 cs.AI cs.NI
Adaptive Distributed Filtering of DDoS Traffic on the Internet
本文提出一种自适应分布式DDoS流量过滤系统，利用路径节点生成适应过滤粒度和订阅者偏好的规则，并通过真实流量模拟和试点验证其高效性。
2023-05-22 cs.CR cs.NI
Protection Over Asymmetric Channels, S-MATE: Secure Multipath Adaptive Traffic Engineering
针对互联网服务提供商（ISP）网络中核心网络节点之间的流量工程配置问题，已经提出了几种方法。这样的方法旨在最小化网络延迟，增加容量，并增强两个核心（中继）网络节点（入口节点和出口节点）之间的安全服务。MATE（多路径自适应流量工程）已经被提出用于入口节点（源）和出口节点（目的地）之间的多路径自适应流量工程，以在多个不相交的路径之间分配网络流。其新颖的思想是避免网络拥塞和攻击可能存在的边缘和节点不相交的路径之间的两个核心网络节点。本文提出了非对称信道下的保护方案。准确地说，本文旨在开发一种自适应的，鲁棒的，可靠的流量工程方案，以提高通信网络的性能和可靠性。该方案还将提供服务器质量（QoS）和流量工程保护，以最大限度地提高网络效率。具体地说，S-MATE（secure MATE）被提出来保护两个核心节点（路由器、交换机等）之间的网络流量。在云网络中。S-MATE通过在发送方和接收方节点之间的一个操作冗余路径中添加冗余来防止单个链路攻击/故障。它还扩展到防止多个受攻击的链接。该方案可应用于光网络和IP网络等核心网络的安全。
2010-12-29 cs.CR cs.IT cs.NI
Budgeted Express-Mesh: Traffic-Aware Link Placement and Deadlock-Free Adaptive Routing
Institute for Interdisciplinary Information Sciences (IIIS), Tsinghua University（清华大学交叉信息研究院）
提出预算化快速网格协同设计，通过流量感知链路布局与无死锁自适应路由，在固定预算下提升高负载吞吐量。
2026-09-17 cs.AR cs.NI
Adaptive Traffic Camouflage: Causal and Resource-Aware Defense Against IoT Fingerprinting
University of Notre Dame（圣母大学）；Microsoft Research（微软研究院）
针对物联网流量形态指纹识别，提出一种因果且资源感知的自适应流量伪装控制器，在预算约束下选择变换，显著降低指纹识别性能，同时控制带宽和延迟开销。
2026-09-24 cs.CR cs.NI
Maximizing Revenue with Adaptive Modulation and Multiple FECs in Flexible Optical Networks
灵活的光网络（FON）正在被采用，以适应日益异构的流量在今天的互联网。然而，在存在高业务负载的情况下，并非所有提供的业务都可以在所有时间得到满足。在承载业务为运营商带来收入的同时，由于有限的频谱资源而导致的业务阻塞导致收入损失。在这项研究中，给定一组流量请求提供，我们考虑的问题，运营商的收入最大化，受到有限的频谱资源和物理层损伤（PLIs），即放大自发辐射噪声（ASE），自信道干扰（SCI），跨信道干扰（XCI），和节点串扰。在FONs中，自适应调制、多FEC和功率谱密度（PSD）的调谐可以有效地用于减轻PLI的影响。因此，在我们的研究中，我们提出了一个通用的基于信道带宽的带宽相关的损伤评估模型，它允许不同的PSD，FEC和调制的性能分析。利用这个PLI模型和分段线性拟合函数，我们成功地制定了收入最大化问题作为一个混合整数线性规划。然后，为了解决较大的网络实例的问题，一个快速的两阶段启发式算法也提出了，这是近最优的收益最大化。通过仿真，我们证明，使用自适应调制能够显着增加收入的情况下，高信噪比（SNR），其中收入甚至可以增加一倍的高流量负载，而使用多个FEC是更有利可图的低SNR的情况下。
2021-06-14 cs.NI eess.SP
An Adaptive Framework for Generalizing Network Traffic Prediction towards Uncertain Environments
Virginia Tech（弗吉尼亚理工大学）；ULAK Communications Inc.（ULAK通信公司）
本文提出一种基于时间序列聚类与监督学习的自适应框架，可在无先验知识情况下为未见无线环境动态分配流量预测模型，性能较现有研究提升超50%，并适用于其他不确定环境下的机器学习任务。
2023-11-30 cs.IT cs.LG cs.NI
Real Time Video Quality Representation Classification of Encrypted HTTP Adaptive Video Streaming - the Case of Safari
Ben-Gurion University of the Negev（内盖夫本-古里安大学）；Ariel University（阿里尔大学）
HTTP自适应视频流服务的日益普及大大增加了运营商网络的带宽要求，运营商网络试图通过深度数据包检测（DPI）来塑造其流量。不过，谷歌和某些内容提供方已经开始对他们的视频服务进行加密。因此，运营商在通过DPI塑造其加密视频流量时经常遇到困难。这突出了对加密HTTP自适应视频流的新流量分类方法的需求，以实现智能流量整形。这些新方法必须有效地估计质量表示层和播放缓冲区。我们提出了一种新的方法，并首次表明（YouTube）加密HTTP自适应流的视频质量表示分类是可能的。我们分析了这种分类方法与Safari在HTTPS上的性能。基于大量的离线和在线流量分类实验，我们证明了它可以独立地分类，在实时的，每个视频片段到一个质量表示层，平均准确率为97.18%。
2016-02-19 cs.CR cs.LG cs.MM
TraDE: Network and Traffic-aware Adaptive Scheduling for Microservices Under Dynamics
TraDE是一种面向微服务的网络和流量感知自适应调度框架，通过自适应重新部署微服务实例来提升性能并满足服务质量要求。
2025-10-24 cs.DC cs.NI cs.PF
Reinforcement Learning based Interconnection Routing for Adaptive Traffic Optimization
Georgia Institute of Technology（佐治亚理工学院）；IBM Watson AI Foundation Group（IBM沃森人工智能基金会组）
应用机器学习技术设计和优化计算机体系结构是一个很有前途的研究方向。优化片上网络（NoC）的运行时性能需要一个持续的学习框架。在这项工作中，我们展示了应用强化学习（RL）优化NoC运行时性能的承诺。我们提出了三种基于RL的方法学习最优路由算法。实验结果表明，该算法可以成功地学习到一个接近最优的解决方案，在不同的环境状态。可复制代码：github.com/huckiyang/interconnect-routing-gym
2019-08-13 cs.AI cs.AR cs.LG
Adaptive Network Coding for Scheduling Real-time Traffic with Hard Deadlines
School of ECEE, Arizona State University（亚利桑那州立大学电气与计算机工程学院）；Intelligent Automation, Inc.（智能自动化公司）
针对单跳无线网络中具有硬截止期限的实时流量，提出基于马尔可夫决策过程的自适应网络编码方案，通过单调性后向归纳算法优化块大小，实现吞吐量与可解码性之间的平衡。
2012-04-11 cs.NI cs.SY eess.SY
Active Inference for Adaptive Traffic Signal Control in Noisy Nonstationary IoT Environments
Department of Computer Systems and Sciences（计算机系统与科学系）；Stockholm University（斯德哥尔摩大学）
提出一种基于主动推理的交通信号控制器，通过最小化期望自由能动态选择相位，在传感器遮挡、天气衰减和非平稳需求下优于深度Q网络和规则方法，降低空闲时间和CO2排放。
2026-06-15 cs.AI cs.LG cs.NI
