Performance Comparison of Packet Scheduling Algorithms for Video Traffic in LTE Cellular Network
在本文中，我们研究了下行链路分组调度算法提出的LTE蜂窝网络。本文重点研究了三种最有前途的调度算法：FLS算法、EXP算法和EXP算法。这三种算法的性能进行了视频流量在车载环境中使用LTE-Sim模拟器。在半径为1 km的固定有界区域中，设置了不同数量的用户，从10 - 60。本研究的主要目标是提供有助于LTE蜂窝网络分组调度器设计过程的结果，旨在获得更好的整体性能用户。仿真结果表明，FLS方案在平均系统吞吐量、平均分组时延、PLR等方面都优于传统的FLS方案，并且具有令人满意的公平性指标。
2013-07-11 cs.NI
The Influence of the Buffer Size in Packet Loss for Competing Multimedia and Bursty Traffic
这项工作提出了一个分析的影响，接入路由器的缓冲区大小的数据包丢失率，以及它如何可以影响多媒体服务的QoS时，突发业务。VoIP流量，视频会议和视频监视的真实痕迹被用在两个不同的场景中，具有中等链路利用率。研究表明，某些应用程序的突发性质可能会损害语音呼叫的MOS，特别是当一定数量的突发重叠。当链路利用率高于70%时，不能获得VoIP QoS的良好值。
2020-11-12 cs.NI
Bounded Delay Scheduling with Packet Dependencies
在处理多媒体流量时，常见的情况是将大数据帧分割成较小的IP数据包，并通过网络独立发送这些数据包。对于实时多媒体业务，丢弃帧的甚至几个分组也可能使整个帧无用。这种业务通常被建模为具有{ \em分组间依赖性}。我们研究的问题，调度流量与这种依赖关系，每个数据包有一个截止日期，它应该到达目的地。这样的最后期限是常见的实时多媒体应用程序，并来自严格的延迟约束所造成的应用程序。这种环境中的品质因数是最大化系统的{ \em有效吞吐量}，即成功传送的帧的数量。我们研究在线算法的问题，最大限度地提高吞吐量的延迟有界的流量与包间的依赖性，并使用竞争分析来评估其性能。我们提出了有竞争力的算法的问题，以及匹配的下限是紧到一个常数因子。我们进一步提出了模拟研究的结果，进一步验证了我们的算法方法，并表明我们的分析所产生的见解确实体现在实践中。
2014-02-27 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
Optimal Control of Distributed Computing Networks with Mixed-Cast Traffic Flows
分布式计算网络同时承担数据包传输和处理的任务，需要对通信和计算资源进行联合优化。我们开发了一个动态的控制策略，确定路由和处理位置的数据包后，他们到达一个分布式计算网络。被称为通用计算网络控制（UCNC）的所提出的策略保证数据包i）由指定的服务功能链处理，ii）遵循连续功能之间的无循环路由，以及iii）经由适当的数据包复制被递送到其对应的目的地集合。UCNC被证明是任何混合的单播和组播流量的吞吐量最优，是第一个吞吐量最优的政策，非单播流量在分布式计算网络的通信和计算的限制。此外，仿真结果表明，UCNC产量大大低于平均数据包延迟相比，现有的控制策略单播流量。
2019-06-25 cs.NI
Talk Like a Packet: Rethinking Network Traffic Analysis with Transformer Foundation Models
Aston University（阿斯顿大学）；University of Surrey（萨里大学）
本文提出基于Transformer的基础模型用于网络流量分析，通过统一预训练和微调流程，展示了模型在多种任务中的泛化能力及性能优势。
2026-02-06 cs.NI
Network Optimization for Unified Packet and Circuit Switched Networks
互联网流量继续无情地增长，主要是由越来越高的分辨率视频内容驱动的。虽然研究表明，互联网路由器处理的大多数数据包都是直通流量，但它们仍然必须在当前网络中的每一跳进行排队和路由，这不必要地增加了大量延迟和处理成本。这种直通业务可以借助于预先建立的电路通过底层光传输网络进行更好的电路交换，这在统一的分组和电路交换网络中是可能的。在本文中，我们提出了一种新的凸优化框架的基础上，一个新的目的地为基础的多商品流配方的电路在这样的统一网络的分配。特别是，我们考虑两个部署设置，一个基于实时流量监控，另一个依赖于基于历史的流量预测。在这两种情况下，我们制定全球网络优化目标凹函数，捕获公平共享网络容量之间的竞争流量。我们的问题公式的凸性确保了全局最优解。
2019-05-22 cs.NI
Zeroing in on Port 0 Traffic in the Wild
Internet服务利用传输协议端口号来指定源和目标应用层协议。虽然在大多数传输协议中不允许使用端口0，但我们在Internet中看到使用端口0的流量不可忽略。在这项研究中，我们剖析端口0流量推断其可能的起源和原因，使用五个补充流级和数据包级数据集。我们在一周的IXP流量中观察到73 GB的端口0流量，其中大部分我们认为是数据包碎片的伪影。在我们的数据包级数据集中，大多数流量来自少数主机，虽然大多数数据包没有有效载荷，但包含有效载荷的大部分数据包属于BitTorrent协议。此外，我们还发现了扫描中常见的独特流量模式。除了分析被动跟踪，我们还进行了主动测量活动，以研究不同的网络对端口0流量的反应。我们发现一个意外的高响应率的TCP端口0探测在IPv4中，与其他协议类型的响应率非常低。最后，我们将运行连续的端口0测量，并将结果提供给测量社区。
2021-03-26 cs.NI
An adaptive routing strategy for packet delivery in complex networks
我们提出了一个有效的路由方法，在复杂的网络中提供数据包。在将消息从节点传递到目的地时，节点通过估计沿着从其每个邻居到目的地的最短路径的等待时间来将消息转发到邻居。这个预计的等待时间本质上是动态的，并且消息传递的路径将适应于网络中消息的分布。在无标度网络上实现该方法，我们表明，本方法比最短路径方法和另一种只考虑相邻节点等待时间的方法性能更好。数值结果的主要特点是解释了平均场理论。该方法的优点是根据节点处理消息的能力在节点之间分配消息。
2008-06-11 cs.NI
TraGe: A Generic Packet Representation for Traffic Classification Based on Header-Payload Differences
Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Purple Mountain Laboratories（紫金山实验室）；Nanjing Institute of InforSuperBahn（南京信息高速研究院）
针对现有预训练模型未针对流量数据设计导致表示不充分的问题，提出TraGe模型，基于头部与负载的字节序列差异进行差异化预训练，并引入动态掩码策略，在流量分类任务上性能提升高达6.97%。
2026-06-09 cs.NI
An Input-Queueing TSN Switching Architecture to Achieve Zero Packet Loss for Timely Traffic
针对传统网络无法满足工业控制等场景零丢包且时延有界的需求，本文提出一种输入排队TSN交换架构，搭配M-TDMA、M-EDF两种调度策略及对应充分条件，确定性实现零丢包且时延有界，填补了现有TSN方案的空白。
2023-06-11 cs.NI
Criticisms of modelling packet traffic using long-range dependence
本文批评的概念，长程相关性是一个重要的贡献者真正的互联网流量的排队行为。这一观点受到两种不同的质疑。首先，一类用于模拟互联网流量的模型具有重要的理论缺陷。结果表明，这种行为是不一致的行为，真正的交通痕迹。其次，远程相关性显着影响排队性能的流量的概念进行了调查，通过破坏这些相关性，在真正的交通痕迹（重新排序）。它示出的相关性的较长的范围是不重要的，除了在一种情况下，一个非常高的负载。
2009-10-01 cs.NI cs.PF
On the Low-latency Region of Best-effort Links for Delay-Sensitive Streaming Traffic
这封信分析了尽力而为链路的低延迟区域（LLR）（即，无业务区分，以及先来先服务调度），其承载延迟敏感（DS）流传输和非延迟敏感（NDS）背景业务。此外，在LLR内，我们发现它存在一个成比例的公平到达率分配DS和NDS的流量流。这个最佳的操作点的结果从最大化一个简单的吞吐量延迟权衡，考虑NDS流量负载，和DS数据包的平均延迟。为了展示如何在现实场景中使用所提出的权衡来分配NDS流量，我们使用Google Stadia流量跟踪来生成DS流。此用例的结果证实，无论数据包到达和数据包服务时间的分布如何，吞吐量-延迟权衡也有效。
2020-11-28 cs.NI
Packet-Level Traffic Modeling with Heavy-Tailed Payload and Inter-Arrival Distributions for Digital Twins
提出一种混合生成器，结合隐马尔可夫模型与混合密度网络，捕获重尾到达间隔，在数字孪生中以极低参数实现高保真包级流量生成。
2026-06-09 cs.NI
Synecdoche: Efficient and Accurate In-Network Traffic Classification via Direct Packet Sequential Pattern Matching
Beihang University（北京航空航天大学）
Synecdoche通过离线发现和在线匹配的范式，在可编程数据平面实现高效准确的流量分类，提升准确性并减少资源消耗。
2026-01-11 cs.NI
Learning-Augmented Online Packet Scheduling with Deadlines
Columbia University（哥伦比亚大学）
本文首次研究学习增强的带截止期限在线数据包调度问题，提出一种新颖算法框架，在预测误差小时改善竞争比，并始终保持有界竞争比。
2024-02-22 cs.DS cs.LG cs.NI
Criticisms of modelling packet traffic using long-range dependence (extended version)
本文批评的概念，长程相关性是一个重要的贡献者真正的互联网流量的排队行为。这一观点受到两种不同的质疑。首先，一类用于模拟互联网流量的模型具有重要的理论缺陷。结果表明，这种行为是不一致的行为，真正的交通痕迹。其次，通过破坏真实流量轨迹中的相关性（通过重新排序）来研究远程相关性显着影响流量排队性能的概念。它示出的相关性的较长的范围是不重要的，除了在一种情况下，一个非常高的负载。
2013-03-27 cs.NI math.ST stat.TH
FlowCLIP: Contrastive Pretraining Using Domain Names for Encrypted Traffic Classification
University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
提出FlowCLIP框架，利用数据包侧信道特征（间隔、大小、方向）和CLIP对比目标对齐流量与域名表示，在QUIC流量数据集上跨周评估，优于基线方法。
2026-08-05 cs.NI
On the Impact of Guest Traffic in Open-Access Domestic Broadband Sharing Schemes
开放获取国内宽带连接共享是一种自愿做法，具有社会、经济和公共安全效益。尽管如此，宽带用户通常出于多种原因而不愿与客人自由共享他们的宽带连接;其中之一是共享他们的网络可能会妨碍他们自己的宽带体验质量。在本文中，我们通过实验研究了上行链路访客流量对共享者的宽带体验质量的影响，这两个通用和宽带共享特定的数据包调度策略。在我们的研究中使用的访客用户流量和接入点配置文件都是通过分析从实际宽带共享网络环境中捕获的真实流量跟踪和测量来开发的。我们的研究结果验证了宽带共享方案的混合数据包调度策略的适用性，并表明，只有几十个千兆字节每秒的上行链路访客流量可以容忍的共享者，而不妨碍他们的宽带质量的经验。在这种情况下，我们表明，选择最合适的数据包调度策略的宽带共享，以及其各自的配置，在很大程度上取决于宽带连接的能力和政策的丢包行为的客人流量。
2018-06-06 cs.NI
DyCaPPON: Dynamic Circuit and Packet Passive Optical Network (Extended Version)
动态电路非常适合于需要在规定时间段内具有恒定比特率的可预测服务的应用，例如云计算和电子科学应用。过去对无源光网络（PON）中上行传输的研究主要考虑分组交换业务，并专注于优化分组级性能指标，如减少平均延迟。本研究提出并评估了一种动态电路和分组PON（DyCapPON），它提供动态电路和分组交换服务。DyCapPON通过在周期性轮询周期中的动态带宽分配提供$(i)$灵活的分组交换服务，并且通过在每个固定持续时间轮询周期期间为每个活动电路分配固定持续时间的上行传输窗口来提供$(ii)$一致的电路服务。我们分析电路级的性能指标，包括阻塞概率的动态电路请求在DyCapPON通过随机背包为基础的分析。通过这种分析，我们还确定了被接纳的电路所占用的带宽。剩余的带宽可用于数据包流量，我们进行了近似分析，从而产生的平均延迟的数据包流量。通过大量的数值计算和验证模拟，我们证明了电路阻塞和数据包延迟的权衡在DyCapPON。
2014-04-10 cs.NI
Measuring the Complexity of Packet Traces
本文研究了几种真实世界的痕迹（包括Facebook、高性能计算、机器学习和模拟生成的痕迹）的结构，并提出了一种基于痕迹文件中包含的熵来量化和比较数据包痕迹结构的系统方法。对数据包跟踪结构的深入了解可以改进针对特定流量模式进行优化的网络算法。然后，我们提出了一种方法来量化的时间和非时间成分的熵包含在一个数据包跟踪，称为跟踪复杂性，使用随机化和压缩。我们表明，跟踪复杂性提供了独特的见解，各种应用程序的特点，并认为有必要的流量生成模型，保留的内在结构的经验测量的应用程序的痕迹。然后，我们提出了一个流量生成器模型，能够产生一个合成的痕迹，其相应的现实世界的痕迹的复杂程度相匹配。
2019-05-20 cs.NI
AC-DC: Adaptive Ensemble Classification for Network Traffic Identification
准确和有效的网络流量分类对于许多网络管理任务（从流量优先级到异常检测）都很重要。虽然使用预先计算的流统计的分类器（例如，分组大小、到达间隔时间）可能是有效的，但是它们可能比基于原始业务（包括分组捕获）的技术具有更低的准确性。过去的工作表示学习为基础的分类器应用于网络流量捕获已被证明是更准确的，但速度较慢，需要相当多的额外的内存资源，由于在功能预处理的大量成本。在本文中，我们探索这种权衡，并开发自适应约束驱动分类（AC-DC）框架，以有效地管理具有不同目标要求的分类器池，旨在提供与复杂的数据包捕获分类器相当的分类性能，同时适应不同的网络流量负载。AC-DC使用自适应调度器来跟踪当前系统内存可用性和传入流量速率，以确定最佳分类器和批量大小，从而在给定内存和处理约束的情况下最大限度地提高分类性能。我们的评估表明，与仅依赖于流统计的分类器相比，AC-DC将分类性能提高了100%以上;与最先进的数据包捕获分类器相比，AC-DC实现了相当的性能（F1分数降低不到12.3%），但处理流量的速度快了150倍以上。
2023-02-23 cs.NI
A Novel Mobile Edge Network Architecture with Joint Caching-Delivering and Horizontal Cooperation
移动边缘高速缓存/计算已经成为提供新服务（例如，超高速率、超可靠和/或低等待时间通信）。在本文中，我们介绍了一种新的移动边缘缓存网络架构，利用移动边缘节点（MEN）之间的水平合作，即JOCAD的最佳联合缓存交付。在这种架构下，MEN在缓存和交付内容方面相互合作，旨在同时最小化移动用户的总平均延迟并减轻回程链路上的网络流量。大量的仿真表明，与最频繁访问策略相比，所提出的解决方案可以将整个网络的总平均延迟降低高达40%，并且与局部最优缓存策略（即，没有合作）。此外，所提出的解决方案还将网络的缓存命中率提高了四倍，从而显著降低了回程网络上的流量负载。
2019-06-07 cs.NI
On the Reduction of Broadcast Traffic in Mobile Ad Hoc Networks
许多移动自组织网络协议使用简单的洪泛，以适应时变网络拓扑的变化。大多数情况下，网络范围的泛洪会导致冗余数据包，并增加网络拥塞、数据包冲突的可能性、可用带宽的低利用率，以及最重要的是，更高的功耗。在本文中，我们提出了一个新的跨层广播计划，以尽量减少在移动自组织网络中的广播流量。我们的方案是基于使用接收信号强度指示符，RSSI值，以减少广播数据包的数量。仿真结果验证了该方法的有效性。
2011-04-21 cs.NI
Improving the network traffic classification using the Packet Vision approach
Instituto de Ciências Exatas e Tecnológicas Universidade Federal de Viçosa – UFV（联邦维索萨大学精确科学与技术学院）；Faculdade de Computação - FACOM Universidade Federal de Uberlândia – UFU（联邦 Uberlândia 大学计算机学院）
本文提出 Packet Vision 方法，将数据包原始数据（含包头和载荷）转换为图像并结合 CNN 进行分类，在四类流量数据集上验证了 AlexNet、ResNet-18 和 SqueezeNet 的性能，兼顾安全隐私与分类效果。
2024-12-26 cs.AI cs.CR cs.CV
Renewal-Theoretic Packet Collision Modeling under Long-Tailed Heterogeneous Traffic
物联网（IoT）的愿景是数十亿台连接设备，它正在为未经许可的频段中的无线连接带来大量异构特性。共存网络之间的介质接入参数、发射功率和活动水平的异质性导致有害的跨技术干扰。在CSMA/CA规则下形成的干扰网络和信道衰落的随机业务分布使得建模和分析受干扰网络的性能具有挑战性。在本文中，研究的时间相互作用的流量分布的两个共存的网络，我们开发了一个更新理论的数据包碰撞模型，并推导出一个通用的碰撞时间分布（CTD）函数的干扰系统。CTD功能适用于共存流量的任何繁忙和空闲时间分布。由于早期的研究表明，在现实环境中的长尾空闲时间统计，开发的模型只需要的长尾分布的拉普拉斯变换，以找到CTD。此外，我们提出了一个分组出错率（PER）模型下提出的CTD和多径衰落的干扰信号。利用该模型，在干扰受限的情况下，提出了一种计算效率较高的PER近似，用于分析受干扰链路的性能。
2017-06-09 cs.IT cs.NI math.IT
Traffic Flow Modeling for UAV-Enabled Wireless Networks
本文研究了面向多业务的无人机无线网络中的业务流建模问题，这对于支持此类网络未来的各种应用至关重要。我们提出了一个通用的交通流模型，面向多业务的无人机使能无线网络。在此模型下，我们首先将网络服务分为三个子集：遥测，物联网（IoT）和流数据。基于帕累托分布，我们然后划分所有的无人机分为三个不同的网络使用的子组。我们进一步确定不同的网络服务的数据包的数量和总的数据大小，根据数据包到达率的9个段，其中每个段代表一个映射关系的一个子集的服务和一个子组的无人机。仿真结果表明，我们的流量模型预测的数据包的数量和数据大小可以很好地匹配这些在一个真实的场景。
2022-01-05 cs.NI
Voice Packet Performance Estimation through Step Network Using OPNET
VoIP通过LAN等网络传输语音。由于以低成本支持现有网络基础设施，该技术正在迅速发展。已经进行了各种模拟，并且观察到通过增加VoIP客户端、分组长度和流量到达速率，步进网络的性能受到影响。在当前的工作中，数据包丢弃，数据包接收，语音流量发送和端到端延迟估计为各种排队纪律，如PQ，FIFO和WFQ。描述了排队规则对应用程序性能和资源利用率的影响。
2019-10-07 cs.NI
IoTAthena: Unveiling IoT Device Activities from Network Traffic
最近针对灵巧家庭中的物联网（IoT）设备的网络攻击的激增需要有效的技术来理解、表征和揭示IoT设备活动。在本文中，我们提出了一个名为IoTAthena的新系统，用于从由带时间戳的IP数据包组成的原始网络流量中揭示物联网设备活动。IoTA thena使用活动签名来表征每个IoT设备活动，该活动签名由具有数据包间时间间隔的有序IP数据包序列组成。IoTA thena有两个新颖的多项式时间算法，sigMatch和actExtract。对于任何给定的签名，sigMatch可以捕获原始网络流量中签名的所有匹配项。使用sigMatch作为子函数，actExtract可以从原始网络流量中准确地揭示各种物联网设备活动的顺序。使用在真实世界灵巧家庭测试床的路由器上收集的异构物联网设备的网络流量和公共物联网数据集，我们证明了IoTA thena能够表征和生成物联网设备活动的活动签名，并从原始网络流量中准确地揭示物联网设备活动的序列。
2021-05-30 cs.NI
A Delay-Optimal Packet Scheduler for M2M Uplink
在本文中，我们提出了一个延迟最优的分组调度器，用于处理M2M应用服务器（AS）的M2M上行链路流量。由于上行链路业务的时延异质性，我们将其分为延迟容忍和延迟敏感业务。然后，我们映射不同的延迟要求，每一类的数据包延迟的sigmoidal函数，并制定一个效用最大化的问题，结果在一个比例公平的延迟最优调度。我们注意到，解决这个优化问题相当于解决每个类的最佳时间分数（抢占）优先级，使其最大化系统效用。利用Monte-Carlo模拟AS的排队过程，我们验证了最优调度器的分析结果的正确性，并表明它优于其他国家的最先进的分组调度器，如加权轮循，最大权重调度器，公平调度器和优先级调度。我们还注意到，在较高的流量到达率，建议的调度结果在一个接近最小的延迟方差的延迟敏感的流量，这是非常可取的。这是以延迟容忍业务的延迟方差稍高为代价的，延迟容忍业务由于其延迟容忍性质而通常是可接受的。
2016-07-17 cs.IT cs.NI math.IT
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
A Theory of Traffic Regulators for Deterministic Networks with Application to Interleaved Regulators
我们定义了最小的交错调节器，它概括了紧急基于整形器，最近提出的Specht和Samii作为一个更简单的替代，以确定性网络中的每流整形与聚合调度。使用此调节器，多个流的数据包在一个FIFO队列中处理;队列头部的数据包根据其流的调节约束进行检查;在不违反约束的情况下，在可能的最早时间释放数据包。不在队列头的数据包在到达队列头之前不会被检查。因此，该调节器可能延迟队列头部的分组，但也延迟通常属于其他流的所有后续分组。然而，我们表明，当它被放置在一个任意的FIFO系统后，最坏情况下的组合延迟不会增加。这种免费整形的特性在每个流整形器中是众所周知的;令人惊讶的是，它在这里仍然成立。为了得到这个属性，我们引入了一个新的定义的流量调节器，最小的PI调节器，它扩展了贪婪的网络演算和张的最大加调节器，也包括新类型的监管机构，如包速率限制器。顺便说一句，我们提供了一个新的见解之间的等价性最小加和最大加制剂的监管机构和整形。
2018-10-04 cs.NI
An efficient approach of controlling traffic congestion in scale-free networks
我们提出并研究了一个通信网络中的业务模型。底层网络具有可在具有偏好连接的无标度增长网络和随机增长网络之间调节的结构。为了模拟网络中不同节点可能具有不同能力的实际情况，假设节点处的消息或分组创建和传递速率取决于节点的度。在具有无标度特性的网络中，节点的度越高，越容易发生自适应，因此，有选择地提高一小部分（如3%）节点的消息处理能力的有效方法与提高所有节点的消息处理能力的效果一样好.在确定网络中的非拥塞或拥塞流量的创建率和交付率之间的相互作用进行了研究，更多的数值和分析。
2008-06-11 cs.NI
Optimal Scheduling for Fair Resource Allocation in Ad Hoc Networks with Elastic and Inelastic Traffic
本文研究的问题，拥塞控制和调度的ad hoc无线网络，必须支持的混合尽力而为和实时业务。优化和随机网络理论已经成功地设计了公平的资源分配架构，以满足长期的吞吐量需求。然而，据我们所知，严格的数据包延迟的最后期限没有考虑在这个框架之前。在本文中，我们提出了一个模型，将服务质量（QoS）的最后期限的数据包的要求，在优化框架。该问题的解决方案导致联合拥塞控制和调度算法，该算法公平地分配资源以满足弹性流和非弹性流的公平性目标以及非弹性流的每个分组延迟要求。
2009-12-13 cs.NI
Opportunistic Channel Sharing in Stochastic Networks with Dynamic Traffic
本文研究具有动态业务的随机网络。接入点（AP）和用户的空间分布首先建模为相互独立的泊松点过程（PPP）。与大多数文献假设所有AP都是满载的不同，我们认为没有数据传输的AP不会对用户产生干扰。AP根据待传输数据包的存在和提出的干扰抑制策略，机会性地共享信道。在干扰抑制区域中，一次只能有一个AP处于活动状态以在信道上传输数据包，而其他相邻AP保持静默以减少严重干扰。分析了任意接入点的空闲概率受业务负载和信道可用性的影响。获得了网络中同时活跃的AP的密度，并进一步阐述了分组丢失率。我们揭示了网络特征的影响（例如，AP密度、用户密度和信道状态）和服务特征（例如，用户请求、分组大小）对网络性能的影响。仿真结果验证了我们提出的模型。
2016-11-17 cs.NI
Deficit Round-Robin-Based ISP Traffic Control Scheme Enabling Excess Bandwidth Allocation in Shared Access Networks
在共享接入中，运营商基于令牌桶的用户流量整形在活跃用户较少的情况下浪费了网络资源，因为它不能长期分配多余的带宽。为了解决这个问题，基于核心无状态公平交换（CSFQ）和令牌桶计量器（TBMs）的流量控制方案已经被提出，它可以在活跃用户之间分配与他们的令牌生成速率成比例的多余带宽。然而，对所有分组使用FIFO队列会降低符合性业务的短期性能，因为队列中已经存在不符合性分组。此外，基于指数平均的速率估计使得难以对业务条件的快速变化做出反应。在本文中，我们提出了一种新的流量控制方案的基础上赤字轮循（DRR）和TBMs，以保证服务质量的一致性数据包在所有的时间尺度，同时分配额外的带宽之间的活跃用户成比例的令牌生成率，其优势基于CSST的计划，通过仿真结果表明。
2014-10-03 cs.NI
Measurement and Analysis of UDP Traffic over Wi-Fi and GPRS
随着移动设备在无线互联网中的广泛应用，互联网流量的测量和分析成为一个重要的研究领域。在本文中，我们提出了我们的测量结果的VBR流量在UDP的802.11g和GPRS网络。我们专注于分组间到达时间（IPRT）和分组间传输延迟（IPTD），并观察到后者对往返延迟有显着的影响。数值参数威布尔，指数和正态分布，以代表这样的流量。
2017-07-26 cs.NI
5G NR-V2X Scheduling Approaches for CPM Variable Size Traffic
University of Bologna（博洛尼亚大学）；CNIT（意大利信息与通信技术研究中心）；University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学）
针对CPM流量大小可变问题，比较NR-V2X Mode 2调度策略，发现资源使用稳定性比瞬时负载优化更重要。
2026-06-26 cs.NI
Resource Allocation for URLLC and eMBB Traffic in Uplink Wireless Networks
在本文中，我们考虑了上行链路5G网络中URLLC业务和eMBB业务的两个资源分配问题。我们建议将频率划分为一个共同的区域和一个基于赠款的区域。基于授权的区域中的频率只能由eMBB业务使用，而公共区域中的频率可以由eMBB业务以及URLLC业务使用。在第一个资源分配问题中，我们提出了一个两人博弈来解决基于赠款的区域的大小和公共区域的大小。我们证明了这个博弈有特定的纯纳什均衡。在第二个资源分配问题中，我们确定每个eMBB用户可以在请求-授权周期中发送的数据包数量。我们提出了一个约束优化问题，以尽量减少授予eMBB用户的数据包的数量的方差。我们表明，注水算法解决了这个约束优化问题。从模拟，我们表明，我们的计划，包括资源分配根据纳什均衡的游戏，持久随机重传的URLLC数据包和分配的eMBB数据包的注水算法，优于其他四个探试法。
2022-09-08 cs.NI cs.SI
Traffic Simulation in Ad Hoc Network of Flying UAVs with Generative AI Adaptation
Research Training Center "Aerospace Center"（“航空航天中心”研究培训中心）；State University "Kyiv Aviation Institute"（国立大学“基辅航空学院”）
本文提出利用生成式人工智能技术对飞行无人机adhoc网络中的通信信道进行自适应调整，并通过实验分析不同参数对数据包丢失率的影响。
2026-01-01 cs.AI 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
Harnessing Generative Pre-Trained Transformer for Datacenter Packet Trace Generation
Ben-Gurion University of the Negev（内盖夫本-古里安大学）
本文提出基于GPT架构的数据包级流量生成器DTG-GPT，在少量真实轨迹上训练，可生成保持时空保真度、适应不同网络规模的合成流量，为数据中心流量数据发布提供新途径。
2025-01-21 cs.AI cs.NI
Delay Modelling for a Single-hop Wireless Mesh Network under Light Aggregate Traffic
在本文中，我们考虑的平均延迟建模的问题，在IEEE 802.11 DCF无线网状网络与一个单一的根结点下轻流量。当数据包的产生是速率为λ的齐次泊松过程时，推导了同位无线Mesh网络的平均时延表达式.我们还展示了如何我们的分析可以扩展到非均匀泊松包生成。我们通过将排队系统解耦为独立的M/M/1排队系统来模拟平均时延。大量的模拟进行验证的分析结果。
2010-09-03 cs.NI
A Web Traffic Analysis Attack Using Only Timing Information
我们介绍了一种攻击加密的Web流量，只利用数据包的定时信息的上行链路。因此，这种攻击不受现有的数据包填充防御的影响。此外，与现有方法不同，这种仅定时攻击不需要知道Web获取的开始/结束，因此对流量流有效。我们证明了对有线和无线流量的攻击的有效性，平均成功率超过90%。除了自身的利益之外，这种仅定时攻击还突出了现有防御中的缺陷，因此VPN设计人员可以进一步关注这些领域。
2016-07-09 cs.NI
An Adaptive Power Efficient Packet Scheduling Algorithm for Wimax Networks
在802.16/802.16e网络中，接纳控制方案和调度算法被设计为提供QoS服务，并且许多研究已经调查了这些问题。但是现有的调度算法很少考虑信道条件和业务类的优先级。虽然已经为IEEE 802.16e提出了许多节能机制，但是还没有研究如何最小化具有多个实时连接的IEEE 802.16e移动站的功耗。此外，它们主要考虑IEEE 802.16e网络中的非实时的连接.在本文中，我们建议设计一个自适应的功率有效的数据包调度算法，提供了一个最小的公平分配的信道带宽为每个数据包流，并另外最大限度地减少功耗。在自适应调度算法中，分组根据信道条件自适应地从不同优先级的业务类别中按照分配的时隙发送。假设如果具有不良信道条件的高优先级业务队列的缓冲器大小超过阈值，则将通过调整现有低优先级业务的睡眠占空比来增加这些流的优先级，以防止饥饿。仿真结果表明，我们提出的调度器实现了更好的信道利用率，同时最大限度地减少延迟和功耗。
2010-05-24 cs.NI
An Efficient Web Traffic Defence Against Timing-Analysis Attacks
我们引入了一类新的较低的开销隧道，是耐流量分析。隧道机会主义地减少了在繁忙时间期间传输的虚拟数据包的数量，当许多流同时处于活动状态时，同时保持明确定义的隐私属性。我们发现，虚拟数据包开销通常小于20%，轻负载的链路，并下降到零的流量负载增加，即隧道的容量实现。所产生的额外延迟小于100ms。我们建立了一个实验原型的隧道，并进行了广泛的性能评估，证明其有效性下的一系列网络条件和真实的网页提取。
2018-06-02 cs.NI
Near-Optimal Packet Scheduling in Multihop Networks with End-to-End Deadline Constraints
本文研究多跳网络中带端到端截止时间约束的数据包调度问题，证明在随机流量和适当最小链路容量条件下可设计近最优的(1-ε)-近似算法，并通过真实网络轨迹仿真验证其优于最坏情况算法。
2023-10-29 cs.NI math.OC
From Emulation to Mathematical: A More General Traffic Obfuscation Approach To Encounter Feature based Mobile App traffic Classification
移动应用程序的使用在这个数字时代是无懈可击的。虽然每天都会产生大量数据，但用户隐私安全问题成为一个重要问题。如今，大量的技术，如机器学习和深度学习流量分类器，已被应用于分析用户的应用程序流量。这些技术允许监控器在用户流量仍然加密的情况下获取使用应用程序的指纹，这会引发严重的隐私问题。为了对抗这种类型的数据分析，人们一直在研究混淆算法，通过修改分组长度分布来混淆基于特征的机器学习分类器与数据伪装。现有的工作通过将流量包长度分布从源应用重新映射到虚假伪装应用来实现这一目标。然而，该解决方案在实际应用中缺乏可扩展性和灵活性，因为该方法需要在使用流量伪装之前对目标虚假应用流量进行预采样。在本文中，我们提出了一种实用的解决方案，通过使用数学模型来计算目标分布，同时保持AppScanner移动流量分类器性能至少50%的准确率下降，以及数据包修改期间产生的大约20%的开销。
2023-02-06 cs.CR cs.NI
Impact of Packet Loss and Timing Errors on Scheduled Periodic Traffic with Time-Aware Shaping (TAS) in Time-Sensitive Networking (TSN)
本文揭示TSN中TAS调度假设（限制高优先级传输时隙）在错误帧下会导致长排队延迟和丢包，并通过示例和仿真证明，延长或不限制传输时隙可缓解问题。
2025-10-06 cs.ET cs.NI
CloudCap (C2app) : A Cloud-Based Platform for Packet Analysis On The Edge
本文开发了基于云的网络流量分析系统CloudCap (C2app)，使智能手机同时作为流量捕获器与可视化端点，在最小化资源消耗的同时实现网络监控，并通过多设备测试验证了架构的有效性。
2024-06-26 cs.NI
Risk-Sensitive Reinforcement Learning for URLLC Traffic in Wireless Networks
在本文中，我们研究了在多用户多信道无线网络中URLLC业务的动态信道分配问题，其中紧急数据包必须及时成功传输。我们制定的问题作为一个有限的地平线马尔可夫决策过程的随机约束相关的QoS要求，定义为每个用户的丢包率。我们提出了一种新的加权公式，考虑到总的预期回报（成功传输的数据包的数量）和风险，我们定义为QoS要求违反。首先，我们使用值迭代算法来找到最优策略，这假设了所有参数的控制器的完美知识，即信道统计。然后，我们提出了一个Q-学习算法的控制器学习的最优策略，而不具有知识的CSI也没有信道统计。我们说明了我们的算法的性能与数值研究。
2018-11-07 cs.NI
Low Complexity Fair Scheduling in LTE/LTE-A Uplink Involving Multiple Traffic Classes
对长期演进/高级长期演进分组调度的大量研究集中在下行链路中，而对上行链路的研究相对较少。在上行链路中，信道感知调度的吞吐量最大化已被广泛研究，而考虑一个无限积压的缓冲区模型，这使得调查不切实际。因此，我们提出了一个最佳的上行链路分组调度方案与现实的业务源。首先，我们提出了一个联合的信道和缓冲区感知算法，该算法最大化了实际传输的比特数。此后，我们在我们的算法中引入延迟约束，以支持实时流量。我们进一步提高我们的算法，将不同的延迟和吞吐量的要求，混合交通类。最后，我们引入了优先级翻转，以最大限度地减少带宽饥饿的低优先级流量存在较高比例的高优先级流量。我们观察到，延迟约束可能会使基于优化的建议不可行。因此，为了避免不可行性，我们用延迟中断最小化（DOM）代替延迟约束。DOM的目标是最小化由于延迟违规而导致的丢包。此外，DOM还有助于将问题简化为一个众所周知的分配问题，可以通过应用匈牙利算法来解决。因此，我们的方法提供了一个最佳的分配与低计算复杂性。
2020-05-16 cs.NI
IoT-AMLHP: Aligned Multimodal Learning of Header-Payload Representations for Resource-Efficient Malicious IoT Traffic Classification
针对物联网设备资源受限下恶意流量分类的挑战，提出IoT-AMLHP对齐多模态学习框架，通过报头-载荷表示与轻量级深度可分离卷积融合，实现资源高效的恶意流量分类。
2025-04-21 cs.CR cs.NI
Deep Learning for Network Traffic Classification
Columbia University（哥伦比亚大学）
监视网络流量以识别内容、服务和应用是网络流量控制系统中的活跃研究主题。虽然现代防火墙提供了解密数据包的能力，但这对隐私倡导者没有吸引力。因此，从加密流量中识别任何信息是一项具有挑战性的任务。尽管如此，以前的工作已经确定了可以实现应用程序和服务识别的机器学习方法。该过程涉及从网络分组数据中提取高级特征提取，然后训练用于流量识别的鲁棒机器学习分类器。我们提出了一种分类技术，使用集成的深度学习架构的数据包，有效载荷和到达时间间隔序列。据我们所知，这是第一次将这种深度学习架构应用于服务器名称指示（SNI）分类问题。我们的集成模型击败了最先进的机器学习方法，我们最新的模型可以在github上找到：\url{https://github.com/niloofarbayat/NetworkClassification}
2021-06-02 cs.CR cs.LG cs.NI
