The Lockdown Effect: Implications of the COVID-19 Pandemic on Internet Traffic
由于COVID-19大流行,许多政府实施封锁,迫使数亿公民留在家中。限制措施的实施增加了居民用户对互联网流量的需求,特别是远程工作、娱乐、商业和教育的需求,结果导致互联网核心的流量发生变化。在本文中,使用数据从一组不同的有利位置(一个ISP,三个IXP,和一个大城市的教育网络),我们研究这些封锁对交通变化的影响。我们发现,交通量几乎在一周内增加了15-20%-虽然总体上仍然温和,但这在这短时间内构成了很大的增长。然而,尽管出现了这种激增,我们观察到互联网基础设施能够处理新的流量,因为大多数流量变化发生在传统的高峰时间之外。当直接观察流量来源时,我们发现,虽然超级巨人仍然贡献了很大一部分流量,但我们看到(1)非超级巨人的流量增长更快,(2)人们在家使用的应用程序的流量增加,例如Web会议,VPN和游戏。虽然许多网络的流量需求有所增加,特别是那些为住宅用户提供服务的网络,但学术网络的流量总体上大幅下降。然而,在这些网络中,当考虑与远程工作和授课相关的应用时,我们可以观察到大幅增长。
2020-10-05 cs.CY cs.NI
Characterizing AI-Assisted Bot Traffic in Darknet Data: Implications for ICS and IIoT Security
School of Engineering and Applied Sciences, Washington State University Tri-Cities(华盛顿州立大学三城市分校工程与应用科学学院);Merit Network, Inc., University of Michigan(密歇根大学 Merit 网络公司)
本文通过分析2021-2025年间暗网数据中的1.92亿个被动数据包,研究了由AI辅助的机器人流量演变,揭示了其对工业控制系统安全的影响。
2026-05-14 cs.CR cs.NI
Performance of TCP over ABR with Long-Range Dependent VBR Background Traffic over Terrestrial and Satellite ATM networks
众所周知,压缩视频在本质上是自相似的。我们模型VBR进行远程相关(LRD),复用MPEG-2视频源。该模型的实际流量使用快速傅立叶变换生成分数高斯噪声(FGN)序列。我们的压缩视频源模型与携带视频的MPEG-2传输流相似,即,它是长距离相关的,并且以分段CBR方式生成业务。我们研究了这种VBR流量对ABR承载TCP流量的影响。这种VBR业务的影响是ABR容量是高度可变的。我们发现,像ERICA+开关算法可以容忍这种变化的ABR容量,同时保持高吞吐量和低延迟。我们目前的地面和卫星配置的模拟结果。
1998-09-23 cs.NI
The Multifractal IP Address Structure: Physical Explanation and Implications
本文首次提出经验验证的物理解释,证明Internet流量中IP地址结构的多重分形特征源于地址分配与使用机制,并可用保守级联模型建模,同时开发了专用分析工具箱用于异常检测等网络问题。
2025-04-02 cs.NI
T-Plots: A Novel Approach to Network Design
人们普遍认为,流量矩阵的变化会导致容量过度配置,但没有简单的衡量标准来衡量过度配置可以带来多少好处。在这篇论文中,我们的目标是提供一个简单的网络设计师的网络鲁棒性流量矩阵的变化。我们首先提出的流量负载分布图,或T-图,一类图说明的百分比流量矩阵,可以作为一个功能的容量预留。例如,从简单地看他们的T图,网络设计者可以保证他们的网络服务于所有可接受的流量矩阵,或99%的置换流量矩阵,或具有至多最大值的一半的入口/出口负载的所有流量矩阵。我们进一步证明,不幸的是,在一般情况下,绘制T-图是#P-完全的,即,利用正午工具不可能在多项式时间内绘制T图。然而,我们表明,T-图有时可以密切建模为高斯,因此只使用两个值(均值和方差)来量化的鲁棒性的容量分配流量矩阵的变化。我们进一步利用这些高斯T-图,以提供一个更强大的容量分配。最后,我们展示了使用T-Plots的好处,在一个真正的骨干网络中显示广泛的Monte Carlo模拟的结果。该论文于2007年提交。从那时起,它出现的结果被应用于各种网络环境。在这个新版本中,我们在13年后重新审视了结果,并解释了它们与网络设计中最先进问题的相关性。
2021-12-09 cs.NI
Confidence Driven Classification of Application Types in the Presence of Background Network Traffic
UNC Chapel Hill(北卡罗来纳大学教堂山分校);Universidade do Algarve(阿尔加维大学)
本文提出基于高斯混合模型的分类框架,通过改进深度学习分类器的置信度指示,以更可靠地分类在存在背景网络流量时的应用类型。
2026-02-03 cs.NI
A Lower Bound on Latency Spikes for Capacity-Seeking Network Traffic
大多数互联网流量都是由TCP和QUIC等容量寻求协议承载的。容量寻求协议探测以找到从发送方到接收方的最大可用吞吐量,并且一旦它们收敛,就尝试保持以该最大速率发送流量。通过寻求容量的端到端方法实现可靠的低延迟尚未完全解决。我们贡献了一个理论分析,这正在进行的讨论。在这项工作中,我们推导出一个表达式的最小大小的尖峰在网络容量突然下降所造成的延迟。我们的研究结果突出了一个可量化的和基本的限制能力寻求网络流量。当端到端容量突然减少时,寻求容量的流量不可避免地会产生延迟峰值。该延迟尖峰的下限可以通过将从网络瓶颈到寻求容量的流量源的往返延迟乘以端到端容量减少的幅度来计算。测试床实验表明,这个界限持有的DCTCP,BBR,立方拥塞控制算法。我们的研究结果具有低延迟PHY和MAC层技术的设计的影响,因为我们量化了一个重要的传输层不稳定的流量速率的后果。
2022-11-14 cs.NI
Network Link Dimensioning based on Statistical Analysis and Modeling of Real Internet Traffic
互联网服务提供商使用链路尺寸来正确配置其网络链路的容量。运营商必须为突发流量和网络故障做好准备,以确保不间断的运营。实际上,流量平均值用于粗略估计所需容量。更准确的解决方案通常需要从数据包捕获中轻松获得流量统计数据,例如方差。我们对真实网络流量的研究表明,在较小的聚集时间内,网络流量具有很高的变化性,这表明网络流量具有自相似性和重尾性。自相似性和重尾性对于网络容量规划具有重要意义。流量建模过程应考虑所有的互联网流量特征。因此,网络的服务质量(QoS)不会受到真实业务属性与参考统计模型之间的任何失配的影响。本文提出了一类新的流量配置文件,更适合于计量突发的互联网流量流。我们采用带宽供应,以确定网络链路所需的最低带宽容量水平,这样对于给定的流量负载,所需的性能目标得到满足。我们验证我们的方法使用数据包捕获从真正的基于IP的网络。建议的链路尺寸的方法开始测量可用的痕迹的统计参数,然后在流量的波动程度已被测量。其次是选择合适的模型来拟合流量,如对数正态分布和广义极值分布。最后,可以通过部署带宽供应方法来估计链路的最佳容量。它已被证明,重尾分布给出更精确的值比高斯模型的链路容量。
2017-10-01 cs.NI
Wireless Traffic Prediction with Scalable Gaussian Process: Framework, Algorithms, and Verification
Beijing University of Posts and Telecommunications(北京邮电大学);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));University of California, Davis(加州大学戴维斯分校)
云无线接入网络(C-RAN)是满足第五代(5G)无线系统的严格要求的有前景的范例。同时,无线流量预测是C-RAN通过负载感知网络管理来提高频谱效率和能量效率的关键使能器。本文提出了一个可扩展的高斯过程(GP)框架作为一个有前途的解决方案,以实现大规模的无线流量预测的成本效益的方式。我们的贡献是三方面的。首先,据我们所知,本文是第一个在训练阶段使用交替方向乘法器(ADMM)进行并行超参数优化的GP回归,其中这种可扩展的训练框架很好地平衡了基带单元(BBU)中的局部估计和大规模执行中的原则性信息一致性。其次,在预测阶段,我们通过基于交叉验证的最优策略融合从BBU获得的局部预测,这表明它对于一般回归任务是可靠和鲁棒的。此外,这种基于交叉验证的最优融合策略是建立在一个公认的概率模型,以保留有价值的封闭形式的GP推理属性。第三,我们提出了一种基于C-RAN的可扩展无线预测架构,其中可以通过根据实时系统需求调整BBU的数量来平衡预测精度和时间消耗。实验结果表明,我们提出的可扩展GP模型可以大大优于国家的最先进的方法,在无线流量预测性能。
2019-02-13 cs.LG cs.NI eess.SP
Empirical Study of Traffic Velocity Distribution and its Effect on VANETs Connectivity
在这篇文章中,我们使用实际的交通数据,以确认车辆速度遵循高斯分布在稳定状态的交通制度(自由流动,拥挤)。我们还表明,在自由流和拥挤之间的过渡,速度分布更好地模拟广义极值分布(GEV)。我们研究了不同的模型估计车辆之间的连通性持续时间的概率分布在车载自组织网络的效果。
2015-02-28 cs.NI physics.soc-ph
Global Modeling and Prediction of Computer Network Traffic
我们开发了一个概率框架的全球建模的流量在计算机网络。该模型将现有的单链路(流)流量模型与网络上的路由相结合,以捕获全局流量行为。它产生于一个有限的近似的流量波动的时间尺度和用户共享网络的数量增长。所得到的概率模型由高斯和/或稳定的无限方差分量组成。它们可以用某些“时空”随机场来简洁地描述和处理。该模型对模拟和真实数据进行了验证。然后,它被应用到预测流量波动未观察到的链路从一组有限的观察到的链接。此外,异常检测和网络管理的应用进行了简要讨论。
2010-05-24 cs.NI math.ST stat.TH
Passport: Enabling Accurate Country-Level Router Geolocation using Inaccurate Sources
Northeastern University(东北大学);Boston University(波士顿大学)
互联网流量何时跨越国际边界?这个问题具有重大的地缘政治、法律和社会影响,而且令人惊讶地难以回答。一个关键的绊脚石是缺乏工具,可以准确地将互联网流量经过的路由器映射到它们所在的国家。本文介绍护照:一种高效、准确的国家级路由器地理定位的新方法及其实现系统。Passport使用机器学习结合来自IP地理定位数据库、路由器主机名、whois记录和ping测量的信息,通过有限的主动测量提供位置预测。我们表明,护照大大优于现有的技术,并确定的情况下,路径穿越国家的安全,隐私和性能的影响。
2019-07-23 cs.LG cs.NI
Fine-grained network traffic prediction from coarse data
信息和通信技术系统提供关于计算机网络流量的详细信息。然而,由于存储限制,关于过去流量的一些信息通常仅以聚合形式保留。在本文中,我们表明,线性高斯状态空间模型产生简单而有效的方法,使预测的基础上,时间序列在不同的聚合水平。这些模型将粗粒度和细粒度的时间序列链接到能够提供细粒度预测的单个模型。我们的数值实验表明,在预期的平均绝对预测误差提高了3.7倍时,预测使用,而不是忽略,额外的粗粒度观测。的预测中获得的贝叶斯公式的模型,它允许提供的交通预测服务,从粗粒度的历史数据中获得的高度翔实的先验。
2022-01-18 cs.NI stat.AP
Distributed Computing Economics
计算机经济正在发生变化。今天,(1)一次数据库访问,(2)10字节的网络流量,(3)100,000条指令,(4)10字节的磁盘存储,(5)一兆字节的磁盘带宽之间的价格大致相当。这对如何构建互联网规模的分布式计算有影响:为了避免昂贵的网络流量,计算尽可能接近数据。
2004-03-12 cs.DC cs.NI
From Prompts to Packets: A View from the Network on ChatGPT, Copilot, and Gemini
University of Napoli Federico II(那不勒斯费德里科二世大学)
本文通过分析ChatGPT、Copilot和Gemini的流量特性,揭示了生成式AI聊天机器人在网络中的独特行为,包括TLS和QUIC的使用及SNI对流量可见性的影响,为网络管理提供了新的视角。
2026-03-25 cs.AI cs.NI
Fluctuation-induced traffic congestion in heterogeneous networks
在复杂的异构网络,特别是互联网的研究中,非常注意分析由硬件故障或过载引起的网络故障,其中网络反应被建模为重新路由的流量远离故障或拥塞的元素。在这里,我们模拟另一种类型的网络反应拥塞-急剧减少的输入流量率通过拥挤的路线,发生在更短的时间尺度。我们认为,在互联网上的局部需求和容量之间的不匹配的结果在交通损失的拥塞发作,并表明它可以被描述为一个相变的特点是在介观时间尺度上的强非高斯损失波动。由输入流量中的噪声引起的波动,由于网络的异构性而加剧,表现在无标度负载分布中。它们导致网络对拥塞的第一个迹象反应过度,显著减少了沿拥塞完全可以忽略的通信路径的输入流量。
2011-10-21 cond-mat.stat-mech cs.NI physics.soc-ph
AutoFlow: An Autoencoder-based Approach for IP Flow Record Compression with Minimal Impact on Traffic Classification
Budapest University of Technology and Economics(布达佩斯技术与经济大学);HUN-REN-BME Information Systems Research Group(HUN-REN-BME信息系统研究组);CUJO LLC(CUJO有限责任公司)
本文提出基于自编码器的IP流记录压缩方法AutoFlow,在实现1.313倍数据缩减的同时保持99.27%的多类流量分类准确率,有效提升了网络监控的存储与处理效率。
2025-01-31 cs.LG cs.NI
Delay Bounds for Networks with Heavy-Tailed and Self-Similar Traffic
我们提供了上界的端到端的积压和延迟在网络中的重尾和自相似的流量。分析如下的网络演算的方法,其特征在于由包络函数和服务的服务曲线描述的流量。本文的一个关键贡献是推导出重尾自相似到达过程的概率样本路径界,这是由一个合适的包络表征,被称为"htss路径"。我们推导出一个重尾服务曲线的整个网络路径上的每个节点的服务时,其特征在于重尾服务曲线。我们得到的积压和延迟界限的特点是由一个HTSS信封和接收服务的厚尾服务曲线。推导出的性能界限是非渐近的,因为它们不假设一个稳态,大缓冲区,或许多来源制度。我们还探讨了延迟增长的规模作为路径长度的函数。附录中包含了高斯尾部分布的自相似流量的分析。
2009-11-19 cs.NI cs.PF
Analysis of Proportional Fair Scheduling Under Bursty On-Off Traffic
在现代无线蜂窝网络中,比例公平调度(PFS)已经被采用作为用于公平资源分配的标准解决方案。随着异构网络的出现,广泛变化的用户负载,它是非常重要的,以表征性能的PFS突发流量下,这是在大多数无线流和数据传输服务的情况下。在这封信中,我们提供了第一个分析解决方案,PFS的性能下突发开关流量负载。我们使用高斯近似模型推导出可实现的用户数据速率的封闭形式的表达式。为了进一步提高多小区网络的基线解析解的精度,我们采用多干扰分析设计了一种混合近似。仿真结果验证了我们的模型保证极低的数据率估计误差,这是进一步的会话持续时间,流量负载和用户密度的变化不敏感。
2017-01-20 cs.IT cs.NI math.IT
Security Implications and Mitigation Strategies in MPLS Networks
Amity Institute of Information Technology, Amity University(阿米提大学阿米提信息技术学院)
本文分析MPLS网络面临的标签欺骗、流量拦截和拒绝服务攻击等安全风险,并结合数学模型与安全协议提出增强网络韧性的缓解方案。
2024-09-04 cs.AI cs.CR cs.NI