Evaluating Wireless Proactive Routing Protocols under Scalability and Traffic Constraints
在本文中，我们评估和分析的影响，不同的网络负载和变化的节点数量的距离向量和链路状态路由算法。我们选择了三个著名的前摄协议：目的地顺序距离矢量（DSDV）的距离矢量路由，而鱼眼状态路由（FSR）和优化链路状态路由（OLSR）协议是基于链路状态路由。此外，我们评估和比较的影响，通过改变路由算法的路由策略的协议的性能。我们还增强了选定的协议，以实现高性能。我们采取吞吐量，端到端延迟（E2 ED）和归一化路由负载（NRL）作为性能指标的评估和比较所选择的协议与默认和增强版本。基于NS-2的大量仿真，我们比较和讨论了协议的性能权衡，即，协议如何通过以增加的E2 ED和/或路由开销的形式支付一些成本来实现高分组传递。FSR由于范围路由技术在高数据率下表现良好，而OLSR由于通过多点中继（MPR）的有限重传而在密集网络中更具可扩展性。
2012-02-19 cs.NI
Traffic Learning and Proactive UAV Trajectory Planning for Data Uplink in Markovian IoT Models
Centre for Wireless Communications (CWC), University of Oulu（奥卢大学无线通信中心（CWC））
针对 IoT 数据上行的信息年龄与能耗问题，提出基于 Markov 流量预测和 DRL 的多 UAV 轨迹与调度联合优化框架，性能优于 RW 基线。
2024-01-24 cs.AI cs.LG cs.NI
A Traffic Load Balancing Framework for Software-defined Radio Access Networks Powered by Hybrid Energy Sources
移动数据流量的急剧增长刺激了小型小区基站（SCBS）的密集部署。小小区提高了频谱效率，从而扩大了移动网络的容量。尽管SCBS消耗的功率比宏BS（MBS）少得多，但是大量SCBS的总体功率消耗是显著的。随着能量收集技术的进步，基站（BS）可以由绿色能源供电，以减轻上网功耗。对于具有高BS密度的移动网络，业务负载均衡是关键的，以便利用SCBS的容量。为了充分利用收集的能量，期望将绿色能量利用率作为性能度量并入业务负载均衡策略中。在本文中，我们提出了一个流量负载均衡框架，该框架努力在网络效用之间取得平衡，例如，平均流量传输延迟和绿色能源利用率。各种属性的建议框架已经得出。利用软件定义的无线电接入网络架构，所提出的方案被实现为一个虚拟的分布式算法，这显着降低了用户和BS之间的通信开销。仿真结果表明，所提出的业务负载均衡框架能够在上网功率消耗和平均业务递送延迟之间实现可调节的折衷，并且节省了大量的上网功率，例如，30%，成本仅小幅增加，例如，8%，平均流量交付延迟。
2014-12-16 cs.NI
DTMC-Based Analysis and Scheduling for Periodic Flows with Proactive HARQ
University of Electronic Science and Technology of China（电子科技大学）；National University of Singapore（新加坡国立大学）；Northeastern University（东北大学）；Beijing Institute of Control Engineering（北京控制工程研究所）；Beijing Institute of Computer Technology and Applications（北京计算机技术应用研究所）
针对URLLC中异构周期流量的可调度性分析问题，提出基于DTMC的主动HARQ周期流框架，结合两阶段遗传算法实现调度，仿真显示其可调度性优于反应式HARQ等方法且开销可接受。
2026-08-07 cs.NI
Large Language Models powered Malicious Traffic Detection: Architecture, Opportunities and Case Study
Peking University（北京大学）；China Unicom（中国联合网络通信集团有限公司）；Zhongguancun Lab（中关村实验室）
本文提出LLM驱动的恶意流量检测架构，识别分类器、编码器、预测器三种角色，并通过案例验证在DDoS检测中较现有系统提升近35%。
2025-06-23 cs.AI cs.CR cs.NI
Survey on Machine Learning for Traffic-Driven Service Provisioning in Optical Networks
全球互联网流量的空前增长，加上在某种程度上创造了可预测的潮汐流量条件的大的时空波动，正在推动从被动到主动并最终向自适应光网络的演变。在这些网络中，业务驱动的服务供应可以解决网络过度供应的问题，并更好地适应业务变化，同时保持服务质量在所需的水平。这种方法将减少网络资源过度配置，从而降低总网络成本。本调查提供了一个全面的审查，在光层的机器学习（ML）为基础的技术，用于流量驱动的服务供应的最新技术。首先介绍了光网络中服务提供的演变，然后概述了用于流量驱动服务提供的ML技术。详细介绍了ML辅助的服务提供方法，包括在主动和自适应网络中的预测性和规定性服务提供框架。对于所概述的所有技术，还讨论了它们的局限性，研究挑战和潜在的机会。
2023-02-23 cs.NI
A Proactive Flow Admission and Re-Routing Scheme for Load Balancing and Mitigation of Congestion Propagation in SDN Data Plane
软件定义网络（SDN）中的集中式架构提供了底层网络的全局视图，为SDN流量工程（SDN TE）领域的大量研究铺平了道路。本研究的重点是SDN TE的负载均衡方面，考虑到现有的反应式数据平面负载均衡方法最终会导致数据包丢失，而主动式数据平面负载均衡方案无法解决拥塞传播问题。在所提出的工作中，SDN控制器周期性地监视网络中每个链路上的流水平统计和利用率，并且将导致网络拥塞和分组丢失的过度利用的链路识别为瓶颈链路。为了实现负载均衡，通过低负载的备用路径对确定的最大流量和后续流量进行重路由，该方案利用观测到的端口利用率和剩余带宽建立贝叶斯网络模型，在流量接纳之前决定新计算的备用路径是否能够处理新的流量负载，从而减少拥塞传播。仿真结果表明，当网络流量增加时，该方法能有效地重路由流量，均衡网络负载，提高网络效率和服务质量（QoS）参数。
2018-12-06 cs.NI
An LLM-Powered AI Agent Framework for Holistic IoT Traffic Interpretation
University of Notre Dame（内布拉斯加大学达灵顿分校）
该文提出一个基于大语言模型的AI智能体框架，通过跨层特征提取、异常检测与混合检索增强问答，实现物联网流量的整体解读，并在多个数据集上显著提升生成质量且开销低。
2025-10-15 cs.CL cs.CR cs.NI
Towards URLLC with Proactive HARQ Adaptation
在这项工作中，我们提出了一个动态决策算法，以改善超过5G网络的主动HARQ协议。基于李雅普诺夫随机优化，我们的自适应控制框架动态地选择了一些间歇性URLLC业务场景下随时间变化的信道条件下，不需要任何先验知识与此随机过程的主动重传。然后，它更好地利用无线电接入网络（RAN）延迟、可靠性和资源效率之间的权衡，这在当前HARQ设计上的实现中仍然受到限制。然后，我们评估了几个HARQ策略的性能，并表明我们的建议进一步提高了反应机制的延迟，而不影响资源效率，如固定的主动重传，同时保持目标的可靠性。
2022-04-14 cs.NI
Two Use Cases of Machine Learning for SDN-Enabled IP/Optical Networks: Traffic Matrix Prediction and Optical Path Performance Prediction
AT&T Labs（AT&T实验室）
我们描述了两个应用程序的机器学习在IP/光网络的背景下。第一种允许通过使用机器学习进行业务流的短期和长期预测以及使用无色/无方向（CD）灵活ROADM对IP和光层进行联合全局优化来敏捷地管理核心IP/光网络处的资源。多层协调可以显著节省成本，提供灵活的新服务以满足动态容量需求，并通过主动适应新的流量模式和网络条件来提高鲁棒性。第二个应用程序是重要的，因为我们迁移我们的城域网开放ROADM网络，允许物理路由，而不需要详细的光学参数的知识。我们讨论了一个概念验证的研究，在当前灵活的ROADM网络上的波长的详细性能数据用于机器学习，以预测每个波长的光学性能。这两种应用都可以通过使用SDN（软件定义网络）控制器来有效地实现。
2018-06-12 cs.LG cs.NI stat.ML
Evaluation of energy consumption of reactive and proactive routing protocols in MANET
移动自组网是一种分布式、无基础设施的非集中式网络。MANET中的路由协议用于找到移动节点之间的路由，以促进网络内的通信。许多路由协议已被提出的移动自组网。这些路由协议被设计为自适应地适应网络拓扑结构的动态不可预测的变化。移动自组网中的移动节点通常由有限的电池供电，网络寿命严重依赖于节点的能量消耗。因此，缺少移动节点可能导致网络划分。在本文中，我们分析，评估和测量三个突出的移动自组网路由协议，即DSR，AODV和OLSR，除了修改后的协议的能源效率。这些路由协议遵循被动式和主动式路由方案。讨论和比较，突出其特定的优点和缺点。使用NS-2及其附带工具进行评估研究和模拟，以分析和调查结果。
2017-06-20 cs.NI
Temporally Encoded Double DQN for Proactive PRB Allocation in O-RAN Enabled Industrial Networks
University of Michigan-Dearborn（密歇根大学迪尔伯恩分校）
提出一种结合LSTM编码器的双深度Q网络（Double DQN）xApp，用于O-RAN工业网络中主动的物理资源块（PRB）分配，以应对非平稳流量并提升切片满意度和缓冲区稳定性。
2026-05-28 cs.NI
Dynamic Graph Neural Network for Traffic Forecasting in Wide Area Networks
Argonne National Laboratory（阿贡国家实验室）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）
广域网基础设施（WAN），特别是科学和研究WAN，是在实验设施和数据中心之间传输大量科学数据的骨干。随着需求以指数级速度增长，这些网络正在努力应对大数据量，实时响应和整体网络性能。网络运营商越来越多地寻找创新的方式来管理有限的底层网络资源。预测网络流量是主动资源管理、拥塞缓解和专用传输供应的关键能力。为此，我们提出了一种基于非自回归图的神经网络多步网络流量预测。具体来说，我们开发了一种动态的扩散卷积递归神经网络来预测研究WAN中的流量。我们评估我们的方法对来自美国能源部专用科学网络ESnet的实际流量的有效性。我们的研究结果表明，与经典的预测方法相比，我们的方法显式地学习时空交通模式的动态特性，在预测精度上有显着的提高。我们的技术可以超越现有的统计和深度学习方法，即使在动态网络流量设置下，也可以实现多小时预测的平均绝对百分比误差约为20%。
2020-08-28 cs.LG cs.NI eess.SP
Proactive Data Download and User Demand Shaping for Data Networks
在这项工作中，我们提出并研究了最佳的主动资源分配和需求塑造的数据网。受最近关于数据网中人类行为模式的可预测性的研究结果以及高性能手持设备的出现的启发，我们的设计旨在随着时间的推移平滑网络流量并最小化数据传输成本。我们的框架利用主动数据服务以及智能内容推荐方案来塑造需求。主动数据服务基于对每个用户的需求概况的统计预测在非高峰时段发生，而智能内容推荐将修改的估值分配给数据项，以便使用户的需求不那么不确定。因此，我们的建议方案的目的是提高性能的主动服务的用户需求的灵活性。我们进行理论性能分析，量化的杠杆成本降低，通过建议的框架。我们表明，成本降低规模与用户数量的成本函数规模相同的速度。此外，我们证明了\emph{demand shaping}通过智能推荐严格降低了所产生的成本，甚至低于主动下载没有建议。
2014-12-28 cs.IT cs.NI math.IT
Evaluating Wireless Proactive Routing Protocols under Mobility and Scalability Constraints
无线多跳网络（Wireless Multi-hop Networks，WMhN）为用户提供了在以他们想要的任何节点速度、节点密度和业务流数量移动的同时进行通信的设施，而没有任何不必要的延迟和/或中断。本文提出了WMhNs的线性规划模型（LP_models）。在WMhN中，使用不同的路由协议来促进用户需求。为了实际考察不同路由技术下各个LP_models的约束条件，我们选择了三种主动路由协议：目的序列距离矢量（DSDV）、鱼眼状态路由（FSR）和优化链路状态路由（OLSR）。这些协议在两个重要的场景中进行了模拟，关于用户的需求;移动性和不同的网络流量。为了评估性能，我们进一步涉及在选定的网络场景中各自的约束协议的策略效果。
2013-06-04 cs.NI
Proactive Load Balancing in Heterogeneous Cellular Networks
蜂窝网络上的数据的最近指数增长已经导致从传统移动通信网络向异构蜂窝网络（HetNet）的发展。这种密集HetNet中的体验质量（QoE）感知业务负载均衡被认为是一个主要问题。当前的HetNet利用阻碍实现期望的QoE增益的反应式负载均衡方案。在本文中，我们提出了一种新的主动负载均衡框架，利用内容缓存和移动性预测，以提高用户的QoE。我们使用半马尔可夫模型来预测用户的未来小区，并提出了一种新的主动缓存算法，在这些小区的用户的未来需求进行预取。这使我们能够减少小区拥塞，并提供更好的平均下行链路速率。为了验证所提出的框架的有效性，系统级仿真进行比较，与最先进的方法。令人鼓舞的是，我们的系统实现了高达$98.7\%$小区负载均衡方面的Jain的公平性指数，减少了$20\%$回程负载，并提供了$31\%$改善的下行链路速率在拥塞的小区相比，反应式的方法。
2018-09-30 cs.NI
Towards LP Modeling for Maximizing Throughput and Minimizing Routing Delay in Proactive Protocols in Wireless Multi-hop Networks
无线多跳网络（Wireless Multi-hop Networks，WMhN）为用户提供了在以他们想要的任何节点速度、节点密度和业务流数量移动的同时进行通信的设施，而没有任何不必要的延迟和/或中断。本文提出了WMhNs的线性规划模型（LP_models）。在WMhN中，使用不同的路由协议来促进用户需求。为了实际考察不同路由技术下各个LP_models的约束条件，我们选择了三种主动路由协议：目的序列距离矢量（DSDV）、鱼眼状态路由（FSR）和优化链路状态路由（OLSR）。这些协议在两个重要的场景中进行了模拟，关于用户的需求;移动性和不同的网络流量。为了评估性能，我们进一步涉及在选定的网络场景中各自的约束协议的策略效果。
2013-03-31 cs.NI
Adversarial Network Imagination: Causal LLMs and Digital Twins for Proactive Telecom Mitigation
Binghamton University（宾夕法尼亚州立大学）
提出对抗性网络想象框架，结合因果大语言模型、知识图谱和数字孪生，主动生成、模拟和评估对抗性网络故障，实现从被动故障排查向预期韧性分析的转变。
2026-05-22 cs.AI cs.NI
Living on the Edge: The Role of Proactive Caching in 5G Wireless Networks
本文探讨了利用小型蜂窝网络部署的超$4$ G无线网络的关键推动因素之一，即主动缓存。由于具备预测能力，并利用存储、上下文感知和社交网络的最新发展，可以通过在基站和用户设备上进行缓存，主动满足可预测的用户需求，从而大幅降低峰值流量需求。为了显示主动缓存的有效性，我们研究了两个案例研究，利用网络的空间和社会结构，其中主动缓存起着至关重要的作用。首先，为了缓解回程拥塞，我们提出了一种机制，使文件主动缓存在非高峰期的需求的基础上，文件的流行度和用户和文件模式之间的相关性。其次，利用社交网络和设备到设备（D2D）的通信，我们提出了一个程序，利用网络的社会结构，预测一组有影响力的用户（主动）缓存战略内容，并通过D2D通信传播给他们的社会关系。利用这种积极的缓存范例，数值结果表明，重要的收益，可以获得每个案例研究，回程节省和满意的用户高达$22\%$和$26\%$，分别较高的比率。通过增加网络边缘的存储能力，可以进一步获得更高的增益。
2014-05-23 cs.IT cs.NI math.IT
On the Benefits of Traffic "Reprofiling" -- The Multiple Hops Case -- Part I
本文针对采用确定性流量规范、需严格延迟边界的多跳网络，研究流量重整形的效用，分析其平滑流量与引入前置延迟的权衡，证明即便各跳有最优调度器重整形仍可带来收益。
2024-04-13 cs.NI
QoE-Aware Proactive Caching of Scalable Videos Over Small Cell Networks
移动视频流量的爆炸式增长对当前蜂窝网络提出了巨大的挑战。为了减轻回程链路上的压力并提高视频流服务的体验质量（QoE），引入具有缓存能力的小小区基站（SBS）来辅助内容交付。在本文中，我们提出了第一个研究的最佳缓存策略的可伸缩视频编码（SVC）流在小蜂窝网络中的信道多样性和视频可伸缩性的考虑。我们制定了一个整数规划问题，以最大限度地提高平均SVC QoE的约束下，在每个SBS的缓存大小。通过建立QoE和每个视频的缓存状态之间的联系，我们简化了SVC的主动缓存的多选择背包问题（MCKP），并提出了一个低复杂度的算法，使用动态规划。我们的主动缓存策略揭示了缓存分配到每个视频的基础上，他们的流行配置文件的结构属性。仿真结果表明，具有缓存能力的SBS可以显著提高SVC流媒体服务的平均QoE，与其他传统缓存策略相比，本文提出的缓存策略获得了显著的性能提升。
2016-04-26 cs.NI
Proactive Resource Allocation: Turning Predictable Behavior into Spectral Gain
本文介绍了新的概念，积极的资源分配，其中利用用户行为的可预测性来平衡无线流量随着时间的推移，因此，显着降低所需的带宽，以达到一个给定的阻塞/中断概率。我们从一个简单的模型开始，在这个模型中，智能无线设备被假设为预测新请求的到来，并提前T个时隙将它们提交给网络。使用大偏差理论的工具，我们量化了由此产生的预测多样性增益，以建立中断事件概率的衰减率随预测持续时间T线性增加。然后，将该模型推广到预测误差的影响和预测前瞻时间T的随机性。值得注意的是，我们还表明，在认知网络的情况下，适当使用主动资源分配的主要用户的结果在更多的频谱机会，次要用户在边际，或没有，在主要网络中断的成本。最后，我们得出结论，提出的保护伞下的主动（非因果）无线网络框架的新的研究问题的讨论。
2010-10-09 cs.IT cs.NI cs.SI
Proactive Resource Allocation: Harnessing the Diversity and Multicast Gains
本文介绍了新的概念，积极的资源分配，通过用户行为的可预测性被利用来平衡无线流量随着时间的推移，因此，显着降低所需的带宽，以达到一个给定的阻塞/中断概率。我们从一个简单的模型开始，在这个模型中，智能无线设备被假设为预测新请求的到来，并提前T个时隙将它们提交给网络。使用来自大偏差理论的工具，我们量化所得到的预测多样性增益，以确定中断事件概率的衰减率随着预测持续时间T而增加。然后，将该模型推广为在预测前瞻时间T中包含随机性的影响。值得注意的是，我们还表明，在认知网络的情况下，适当使用主动资源分配的主要用户提高了二级网络的多样性增益在没有成本的主要网络的多样性。我们还揭示了可预测的需求，并表明，主动组播网络可以实现显着更高的多样性增益，规模与T超线性。最后，我们得出结论，提出的保护伞下的主动（非因果）无线网络框架的新的研究问题的讨论。
2011-10-21 cs.IT cs.NI math.IT
Analytics and Machine Learning Powered Wireless Network Optimization and Planning
使用有限的无线频谱资源来很好地优化和规划无线网络以服务于爆炸性增长的业务和最终用户的各种应用需求是重要的。考虑到无线系统的动态性和复杂性以及网络规模的挑战，期望具有自动监控、分析、优化和规划网络的解决方案。本文讨论了数据分析和机器学习驱动的优化和规划的方法和解决方案。这些方法包括分析开放系统互连（OSI）模型的低层和高层的一些重要性能和体验度量，以及导出最终用户感知的网络拥塞指标的度量。这些方法包括监测和诊断，如指标的异常检测，对不良性能和体验的根本原因分析。这些方法包括通过调整建议来实现网络优化，直接以优化最终用户体验为目标，通过灵敏度建模和分析最终用户体验与由于调整硬件配置而导致的较低层度量的改进。这些方法还包括推导用于网络规划的预测度量、流量需求分布和趋势、被抑制的流量需求的检测和预测以及如果网络升级则流量增益的激励。这些优化和规划方法用于大规模地准确检测优化和升级机会，从而实现更有效的优化和规划，例如调整小区配置、利用更先进的技术或新硬件升级小区容量、添加更多小区等。改善网络性能并为最终用户提供更好的体验。
2022-09-14 cs.NI cs.SY eess.SY
Intelligent O-RAN Traffic Steering for URLLC Through Deep Reinforcement Learning
Western University（韦仕敦大学）
下一代网络的目标是改进当前的网络模式，特别是在提供更高的数据率、接近实时的延迟和接近完美的服务质量方面。然而，现有的无线电接入网络（RAN）架构缺乏足够的灵活性和智能性来满足这些需求。开放无线接入网（O-RAN）是构建虚拟化和智能化无线接入网架构的一个很有前途的范例。本文提出了一种基于机器学习的流量引导方案，预测网络拥塞，主动引导O-RAN流量避开网络拥塞，减少排队延迟。为了实现这一目标，我们提出了一个优化的设置，重点是保护延迟和可靠性，以服务于URLLC应用程序。提出的解决方案包括基于朴素贝叶斯分类器和深度Q学习的双层ML策略。我们的解决方案与O-RAN中作为xApp提供的传统反应式TS方法进行了评估，结果显示所有部署的SFC的排队延迟平均降低了15.81%。
2023-03-03 cs.LG cs.NI
A Review of Network Traffic Analysis and Prediction Techniques
North Maharashtra University（北马哈拉施特拉大学）
网络流量的分析和预测在广泛的领域中有着广泛的应用，并且最近吸引了大量的研究。对现有计算机网络应用中存在的各种问题进行了不同类型的实验和总结。网络流量分析和预测是确保安全、可靠和高质量网络通信的主动方法。提出并实验了各种技术来分析网络流量，包括基于神经网络的技术到数据采掘技术。类似地，各种线性和非线性模型被提出用于网络流量预测。网络分析和预测技术的几个有趣的组合实现，以获得高效和有效的结果。本文介绍了各种这样的网络分析和流量预测技术的调查。对前人研究的独特性和规律进行了探讨。总结了网络流量分析与预测的各个研究领域。
2015-07-27 cs.AI cs.NI
Edge-powered Assisted Driving For Connected Cars
联网汽车的辅助驾驶是5G及以上网络应支持的主要应用之一。在这项工作中，我们提出了一个辅助驾驶系统，利用联网车辆和网络基础设施边缘之间的协同作用，以设想可以有效推动本地决策的全球交通政策。本地决策涉及单个车辆，例如，哪辆车应该执行车道变换操作以及何时执行;全局决策涉及整个交通流。这些决策由不同的实体在不同的时间尺度上做出，这些实体集成在基于边缘的架构中，可以共享信息。特别是，我们利用一个基于调度的模型，并制定了一个优化问题，使全球交通流量的决定。为了应对问题的复杂性，我们开发了一个迭代的，线性的时间复杂度算法称为瓶颈狩猎（BH）。我们展示了我们的解决方案的性能，使用一个现实的模拟框架，集成了Python引擎与ns-3和SUMO，并考虑两个相关的服务，即车道变换辅助和导航，在现实世界的情况下。结果表明，我们的解决方案导致车辆的行驶时间减少了66车道变换辅助的情况下，由20导航，相比传统的，本地协调的方法。
2021-07-06 cs.NI
ProFlow: RL-Driven and Performance-Aware Proactive Flow Placement in Datacenter Networks
City University of New York（纽约市立大学）
ProFlow是一种基于强化学习的主动式数据中心流放置框架，可利用网络拥塞早期征兆提前重路由受保护流，相比反应式方法吞吐量提升约40%且决策提前约34秒。
2026-07-30 cs.DC cs.NI
Q-DATA: Enhanced Traffic Flow Monitoring in Software-Defined Networks applying Q-learning
Technische Universität Chemnitz（开姆尼茨工业大学）；Duy Tan University（维新大学）
软件定义网络（SDN）通过将数据平面与控制平面分离来引入集中式网络控制和管理，这有助于流量监控、安全分析和策略制定。然而，选择适当程度的业务流处理粒度同时主动保护转发设备免于过载是具有挑战性的。在本文中，我们提出了一种新的业务流匹配控制框架称为Q-DATA，应用强化学习，以提高基于SDN的网络中的业务流监控性能，并防止流量转发性能下降。我们首先描述和分析了一个基于SDN的交通流匹配控制系统，该系统采用了基于Q-学习算法的强化学习方法，以最大限度地提高交通流粒度。它还考虑了从基于支持向量机的算法导出的SDN交换机的转发性能状态。接下来，我们概述了Q-DATA框架，该框架结合了来自交通流匹配控制系统的最佳交通流匹配策略，以有效地提供其他机制所需的最详细的交通流信息。我们的新方法实现为REST SDN应用程序，并在SDN环境中进行评估。通过综合实验，结果表明，与常见SDN控制器的默认行为和我们以前的DATA机制相比，新的Q-DATA框架在SDN交换机的流量转发性能降级保护方面有了显着的改善，同时仍能按需提供最详细的流量信息。
2019-09-04 cs.LG cs.NI
Simulation of wireless dynamic source routing protocol with IP traffic flow analysis, memory efficiency and increased throughput
在无线移动adhoc网络技术快速发展的今天，有着广阔的研究空间。众所周知，移动网络的无线通信有许多应用领域，如路由服务，安全服务等。移动自组织网络是一种无线通信网络，其中的移动节点组织没有任何集中的管理员。有许多MANET路由协议，如反应式，主动式，混合式等，在本文中的反应式MANET路由协议，如DSR模拟50个移动节点的IP业务流的流量分析。并对DSR和ER-DSR协议的吞吐量进行了分析。最后对DSR和ER-DSR仿真过程中占用的内存进行了评估，以比较两者。
2013-07-05 cs.NI
IoTGAN: GAN Powered Camouflage Against Machine Learning Based IoT Device Identification
University of South Florida（南佛罗里达大学）；New Mexico State University（新墨西哥州立大学）；Intelligent Automation Inc（智能自动化公司）
本文提出 IoTGAN，通过黑盒替代模型与对抗流量操纵模型伪装 IoT 设备流量以规避机器学习识别，并给出有效防御措施。
2023-12-16 cs.CR cs.LG cs.NI
Forecasting Busy-Hour Downlink Traffic in Cellular Networks
蜂窝业务量的急剧增长要求蜂窝网络运营商开发策略以仔细地确定可用网络资源的尺寸并对其进行管理。预测交通量是任何主动管理战略的基本组成部分，因此在这种情况下非常感兴趣。从文献中发现的内容来看，网络流量通常是在短期内预测的，在这项工作中，我们解决了预测繁忙时间流量的问题，即，观测到的每日最大交通量的时间序列。我们专门处理预测在长期（一，两个月前），我们比较不同的方法来完成手头的任务，考虑不同的预测算法，以及依赖或不依赖于基于集群的方法，首先分组网络小区具有类似的繁忙时间流量配置文件，然后适合每个集群的预测模型来预测流量负载。一个真实的蜂窝网络数据集上的结果表明，繁忙时间的流量可以预测误差低于10%的前瞻期长达2个月的未来。此外，当集群可用时，我们分别将预测精度提高到8%和5%，分别为1个月和2个月。
2022-07-04 cs.NI
Poisoning Attacks on Federated Learning-based Wireless Traffic Prediction
North Carolina State University（北卡罗来纳州立大学）；University of Louisville（路易斯维尔大学）
本文研究基于联邦学习的无线流量预测系统的安全问题，提出新型伪造流量注入投毒攻击及全局-局部不一致检测防御机制，实验验证二者均优于现有基线。
2025-01-14 cs.CR cs.LG cs.NI
Evolutionary Optimization for Proactive and Dynamic Computing Resource Allocation in Open Radio Access Network
在开放无线接入网（O-RAN）中，为了节省计算资源、提高计算资源利用率、降低时延，迫切需要采用智能技术来实现计算资源的自动分配。然而，现有的问题公式来解决这个资源分配问题是不合适的，因为它定义的能力利用率的资源在一个不适当的方式，往往会导致很大的延迟。此外，现有的问题只试图解决基于贪婪搜索，这是不理想的，因为它可能陷入局部最优。考虑到这些，提出了一个新的配方，更好地描述了这个问题。此外，作为一个著名的全球搜索Meta启发式方法，进化算法（EA）的设计量身定制的解决新的问题制定，找到一个资源分配计划，主动和动态地部署计算资源，以处理即将到来的交通数据。在多个真实数据集和新生成的具有更多属性的人工数据集上进行的实验研究表明，在不同的参数设置下，该算法明显优于基线贪心算法.此外，实验研究采取了建议EA和两个变种，以表明不同的算法选择的影响。
2022-01-12 cs.NE cs.NI
Generating Packet-Level Header Traces Using GNN-powered GAN
本文提出结合GNN与GAN并引入word2vec嵌入生成数据包级头部轨迹，缓解独热编码的维度灾难，提升生成数据的真实性、多样性与判别能力，为网络流量数据合成提供新方法。
2024-09-02 cs.NI
Sub-Band Full Duplex Resource Allocation: A Predictive Deep Reinforcement Learning Approach
School of Engineering, Cochin University of Science and Technology（科钦科技大学工程学院）；Adat Nextwave Consulting（阿达特奈克斯特波咨询公司）；Global Young Researchers’ Academy (GYRA)（全球青年研究者学院）
本文提出一种预测深度学习框架，用于子带全双工系统中的动态子带分配，通过结合双向长短期记忆网络与双深度Q网络，实现实时资源分配，提升频谱利用率并减少队列堆积。
2026-05-14 cs.NI
Proactive URLLC Adaptation for Connected Vehicles Through ML-Based Channel Prediction
National Laboratory of Wireless Communications (WiLab), CNIT（无线通信国家实验室）；Università di Bologna（博洛尼亚大学）；Università Mediterranea di Reggio Calabria（雷焦卡拉布里亚地中海大学）；Heisenberg Research Center, Huawei Technologies Duesseldorf GmbH（海森堡研究中心，华为技术杜塞尔多夫有限公司）
研究车联网中利用机器学习技术进行信道质量预测以实现主动URLLC适配，评估DNN和LSTM模型，通过结合SUMO和Sionna-RT的模拟得出基于ML的预测性能优，能增强URLLC服务可靠性和鲁棒性。
2026-07-16 cs.NI
On the Benefits of Traffic "Reprofiling" -- The Multiple Hops Case -- Part II
本文研究了在多跳网络中通过重新配置进入网络的流量以实现更低带宽下的延迟保证，提出联合优化框架和高效算法，并通过实验验证了重新配置流量的有效性。
2026-04-27 cs.NI cs.PF
Digital Twin Assisted Proactive Management in Zero Touch Networks
针对蜂窝网络扩张和高质量服务需求，本文将数字孪生与零接触网络集成，采用小样本学习增强的双向长短期记忆模型预测网络状态，并结合Q学习确定最优动作，在三种场景下验证了其较其他技术更优的适应性和性能。
2025-08-25 cs.NI
Developing a Vehicle Re-routing Algorithm using Connected Vehicle (CV) Technology
车辆自组织网络（VANELS）作为车辆通信的核心，并提供基本的无线通信架构以支持车辆到车辆（V2V）和车辆到基础设施（V2I）通信。因此，通过仅利用通信技术，联网车辆（CV）可以在动态道路网络中导航。然而，这种车辆仍处于起步阶段，但预计将对安全性和机动性产生重大影响，例如在车辆故障或其他道路事故的情况下减少非经常性拥堵。为了评估其影响，本研究通过开发智能主动改道算法来考察车辆发生故障时拥有简历的好处。由于缺乏真实世界的数据，本文采用了一个集成的仿真框架组成的V2X（OMNET++）通信模拟器和交通微观模拟器（SUMO）。所开发的算法的功能是，当车辆在实时交通车道内发生故障时，系统会检测到故障，立即生成警告信息，并将其发送给接近的车辆。根据实时通知，知情车辆主动改道至替代道路以避开故障区。开发了两种场景，其中故障发生在启用V2X和禁用V2X的系统的交叉点内外。结果表明，支持V2X的CV重新路由机制可以通过减少拥堵来提高交通效率，并通过平滑受影响车辆的加速和减速来提高交通安全，同时降低基础设施成本。该算法将有助于公路机构（运输部）和车辆制造商在现有的道路网络中引入CV。
2022-08-30 cs.NI cs.SY eess.SY
A Proactive Scalable Approach for Reliable Cluster Formationin Wireless Networks with D2D Offloading
随着当前业务和服务需求的指数增长，设备到设备（D2 D）协作被确定为使5G网络能够有效且高效地增加网络资源的主要机制。D2 D合作的有效性取决于广泛的决策过程，除了连接和移动性管理之外，决策过程还包括集群形成、资源分配。无论D2 D协作场景是在传感器、自组织还是蜂窝网络中，文献通常假设被选择为中继或数据源的设备是可靠的;这意味着它们将保持连接直到通信会话结束。然而，这种假设在实践中受到挑战，因为设备的电池可能耗尽（例如，IoT网络中的传感器）并且设备可以移动从而导致连接终止（例如，WiFi网络中的移动用户或车辆自组织网络中的汽车）。为此，我们提出了一种新的方法，该方法是积极主动的决策过程中利用可靠性指标，并具有低的实现复杂度，适合密集的网络可扩展的无线网络中的可靠的D2 D合作的问题。这些差异化的因素，以提高整体网络的可靠性相比，标准的技术，并促进动态操作，这是必不可少的实际实施。性能评估使用广泛的模拟，除了试验台实验演示，以量化收益和提取的见解，现有的设计权衡的范围。
2018-06-25 cs.NI
Caching Improvement Using Adaptive User Clustering
在本文中，我们将探索使用小型蜂窝网络的5G无线网络最有前途的技术之一，即主动缓存。利用存储技术的增长并通过研究用户行为，可以通过对最有可能被请求的内容进行主动缓存来降低峰值流量。我们提出了一种新的方法，其中，而不是缓存最流行的内容，网络内的用户根据其内容的流行程度进行聚类，并相应地进行缓存。我们还提出了一种方法，用于估计网络内的集群数量的基础上赤池信息准则。我们解析推导出一个封闭形式的表达的命中概率，我们提出了一个优化问题，其中的小基站与集群的关联进行了优化。
2016-05-31 cs.NI
Reliability-Optimized User Admission Control for URLLC Traffic: A Neural Contextual Bandit Approach
Intel Labs（英特尔实验室）
本文针对 URLLC 流量提出一种基于神经上下文赌博机的 QoS 感知用户准入控制方法，通过将控制器建模为赌博机智能体，基于网络上下文主动预测 QoS 并仅准许不导致基站过载的 UE，仿真证明其能实现接近最优的服务可靠性与资源利用率。
2024-01-05 cs.AI cs.IT cs.LG
Estimating Traffic and Anomaly Maps via Network Tomography
映射源-目的地（OD）网络流量对于网络管理和主动安全任务至关重要。然而，缺乏足够的流量水平测量以及潜在的异常对这一目标构成了重大挑战。利用名义流量的时空相关性和异常的稀疏性，本文提出了一种新的框架来映射出名义流量和异常流量，它将共同重要的网络监测任务，包括流量估计，异常检测和流量插值。为此，首先制定了一个凸计划与核和$\ell_1$ -范数正则化，以实现稀疏性和低秩的标称和异常流量，只有链路计数和OD流计数的{ \it小}子集。分析和仿真证实，所提出的估计可以{ \em精确}恢复足够低维的标称流量和零星的异常，只要路由路径是充分的“展开”在网络上，和足够数量的流计数随机采样。结果提供了有价值的见解有关数据采集策略和网络的带宽，从而产生准确的流量估计。对于实际的网络中，上述条件可能会被违反，固有的时空交通模式考虑到采用贝叶斯方法，随着核和$\ell_1$规范的双线性特征。由此产生的非凸计划涉及二次正则相关矩阵，学习系统（循环）平稳的历史数据。交替最小化为基础的算法与可证明的收敛性也被开发，以获得的估计。有见地的测试与合成和真实的互联网数据证实了新方案的有效性。
2014-07-07 cs.NI
Proactive AI-and-RAN Workload Orchestration in O-RAN Architectures for 6G Networks
提出基于O-RAN的融合架构CAORA，通过NRT-RIC和E2E编排器结合SAC强化学习实现AI与RAN工作负载的主动资源编排，在真实5G流量仿真中达到近99%需求满足率并最大化资源利用率。
2025-07-12 cs.NI
Wirelessly Powered Urban Crowd Sensing over Wearables: Trading Energy for Data
在这篇文章中，我们提出了移动人群感知范式的基础上无处不在的可穿戴设备进行人类用户。大规模用户参与未来城市人群发送应用的关键挑战，例如监测大规模现象（例如，交通挤塞和空气污染水平），是适当的动力来源。因此，我们提倡使用无线功率传输来交换感测数据，以激励可穿戴设备的所有者参与协作数据汇集。基于这种结构，我们开发了无线供电的人群感应的新概念，并提供了相应的网络架构的考虑，以及无线充电技术的系统性审查，以实现it.Further，我们贡献了一个详细的系统级可行性研究，报告可实现的性能水平为设想的设置。最后，基本的能源数据交易机制进行了讨论，并概述了开放的研究机会的工作结束。
2016-11-17 cs.NI
Denoising Refinement Diffusion Models for Simultaneous Generation of Multi-scale Mobile Network Traffic
Department of Electronic Engineering, BNRist, Tsinghua University（电子工程系，北京理工大学，清华大学）；State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications（网络与交换技术国家重点实验室，北京邮电大学）；China Mobile Communications Group Guangxi Co., Ltd.（中国移动通信集团广西有限公司）
ZoomDiff通过多阶段去噪细化扩散模型实现多尺度移动网络流量的同时生成，提升了流量预测的准确性和泛化能力。
2025-11-25 cs.AI cs.NI
AdaPTwin: Adaptive Multi-Fidelity Predictive Digital Twin for Proactive Radio Resource Management in Vehicular Networks
The University of British Columbia（不列颠哥伦比亚大学）；Université Laval（拉瓦尔大学）
本文提出AdaPTwin，一种自适应多保真度预测数字孪生，用于车辆网络中的前瞻性无线资源管理，通过动态调整数字孪生保真度以适应网络条件，结合云边协同架构和持续迁移学习模型，实现高保真度的无线资源管理，并在实际车辆环境中验证了其在不同场景下的优越性能。
2026-05-21 cs.NI cs.SY eess.SY
Accelerator-as-a-Service in Public Clouds: An Intra-Host Traffic Management View for Performance Isolation in the Wild
本研究针对公有云硬件加速器无法普惠使用的问题，指出性能隔离不足是核心难点，提出将流量建模为网络流并主动整形以避免竞争的方案，为未来I/O管理栈与设备接口设计提供参考。
2024-07-14 cs.AR cs.DC cs.NI
