Predicting Short-term Mobile Internet Traffic from Internet Activity using Recurrent Neural Networks
移动网络流量预测是网络容量规划和优化的重要输入。现有方法可能缺乏速度和计算复杂性来解决时间序列移动网络数据中的突发、非线性模式或其他重要相关性。我们比较了两种深度学习架构的性能-长短期记忆（LSTM）和门控递归单元（GRU）-使用两个月的意大利电信数据预测米兰大都市地区的移动互联网流量。K-Means聚类用于基于互联网活动对单元进行先验分组，并且网格搜索方法用于确定每个模型的最佳配置。使用均方根误差评价模型的预测质量。这两种深度学习算法都能有效地对互联网活动和季节性进行建模，无论是在几天内还是在两个月内。我们发现城市内不同集群的表现存在差异。总的来说，LSTM在我们的实验中优于GRU。
2020-10-12 cs.NI
Point Process Models of 1/f Noise and Internet Traffic
我们提出了一个简单的模型再现的远程自相关和功率谱的Web流量。该模型假设流量为泊松流的文件的大小分布按照幂律。在这个模型中，长程自相关与网络特性以及包间时间分布无关。
2005-08-31 cs.NI
Uncovering Vulnerable Industrial Control Systems from the Internet Core
工业控制系统（ICS）是在专用协议的帮助下进行远程管理的，这些协议最初是为在围墙花园中工作而设计的。这些协议中的许多协议已经适应于互联网传输并支持广域通信。ICS现在在域间级别上交换不安全的流量，不仅使公共关键基础设施而且使互联网生态系统（例如，DRDoS~攻击）。在本文中，我们发现了不受保护的域间ICS流量在两个中央互联网的有利地位，一个IXP和一个ISP。这种流量分析与来自蜜罐和互联网范围扫描的数据相关联，以区分工业和非工业ICS流量。我们提供了一个深入了解互联网范围内的ICS通信。我们的研究结果可以用于i）创建精确的过滤器，潜在的有害的非工业ICS流量，和ii）检测ICS发送未受保护的域间ICS流量，容易受到窃听和流量操纵攻击。
2020-04-23 cs.CR cs.NI
An Efficient Internet Traffic Classification System Using Deep Learning for IoT
物联网（IoT）定义了连接到互联网并在彼此之间和中央位置之间共享大量数据的设备网络。这些物联网设备连接到网络，因此容易受到攻击。各种管理任务和网络操作，如安全、入侵检测、服务质量配置、性能监控、资源配置和流量工程，都需要流量分类。由于传统的分类方案，如基于端口和基于有效载荷的方法的无效性，研究人员提出了基于机器学习的流量分类系统的基础上浅神经网络。此外，基于机器学习的模型由于不正确的特征选择而倾向于对互联网流量进行错误分类。在这项研究中，提出了一个有效的多层深度学习的分类系统，以克服这些挑战，可以分类互联网流量。为了检验所提出的技术的性能，摩尔数据集用于训练分类器。该方案采用预处理后的数据，并使用深度神经网络（DNN）提取流特征。特别地，最大熵分类器用于对互联网流量进行分类。实验结果表明，提出的混合深度学习算法是有效的，并实现了高精度的互联网流量分类，即，百分之九十九点二三此外，该算法实现了最高的精度相比，支持向量机（SVM）为基础的分类技术和k-最近邻（KNN）为基础的分类技术。
2021-07-26 cs.NI
Hypersparse Neural Network Analysis of Large-Scale Internet Traffic
互联网正在改变我们的社会，需要对互联网流量进行定量了解。我们的团队收集和管理最大的公开互联网流量数据，包含500亿个数据包。利用一种新的hypersarse神经网络分析的“视频”流的流量使用10,000个处理器在麻省理工学院超级云揭示了一个新的现象：否则看不见的叶节点和孤立的链接在互联网流量的重要性。我们的神经网络方法进一步表明，一个双参数修改的Zipf-Mandelbrot分布准确地描述了各种各样的源/目的地统计移动样本窗口范围从100，000到100，000，000包的集合，跨越几年和大陆。推断出的模型参数区分不同的网络流，并且模型叶参数与不同底层网络拓扑中的流量的分数强烈相关。超解析神经网络流水线具有高度适应性，并且可以通过对图像滤波器函数的简单改变来合并不同的网络统计和训练模型。
2019-07-11 cs.CY cs.DC cs.NI
Reserved: Dissecting Internet Traffic on Port 0
传输协议使用端口号来允许Internet主机上的连接多路复用。TCP和UDP这两种最广泛使用的传输协议对构成有效和无效端口号的内容有限制。这些协议的无效端口号的一个示例是端口0。在这项工作中，我们提出了初步的结果，从分析端口0交通在一个大的欧洲IXP。在一周的流量中，我们发现74GB的端口0流量。绝大多数流量的源端口和目的端口都设置为0，这表明扫描或侦察是其根本原因。我们的分析还表明，所有端口0流量中有一半以上的流量仅针对18个AS，而所有流量中有一半以上是由大约100个AS发起的，这表明源AS的集合更加多样化。
2020-04-07 cs.NI
Vcash: A Novel Reputation Framework for Identifying Denial of Traffic Service in Internet of Connected Vehicles
随着UGV技术的快速发展，车联网信任管理成为近年来的研究热点。然而，现有的解决方案基于车辆之间的可信性验证的交通事件的传输效率相当低。在本文中，我们假设部署的RSU可以提供任何对RSU和车辆之间的有效通信，并提出Vcash，一个信誉框架，用于识别拒绝交通服务，解决互联车辆的应用层的可信性问题。在我们的信誉框架中，每辆车都直接与RSU进行交通事件验证，并传播已验证的交通事件通知。借鉴市场交易的思想，通过建立交易规则，限制恶意车辆传播虚假信息，鼓励车辆为交通事件的监测和核查做出贡献。为了评估我们的声誉框架的有效性，我们进行了模拟实验。我们的实验结果表明，我们的建议，以避免虚假的事件传播，在我们的框架中的车辆有贡献的交通事件检测正常使用的交通服务。
2019-11-27 cs.NI
Network Traffic Obfuscation and Automated Internet Censorship
互联网审查员寻求方法来识别和阻止互联网访问他们认为令人反感的信息。审查机构越来越多地部署高级网络工具，如深度数据包检测（DPI）来识别此类连接。作为回应，活动家和学术研究人员开发并部署了网络流量混淆机制。这些应用专门的加密工具来试图向DPI隐藏连接的真实性质和内容。在这项调查中，我们概述了网络流量混淆及其在规避互联网审查中的作用。我们提供了历史和技术背景，激励需要混淆工具，并给出了一个概述的方法混淆使用的最先进的工具。我们讨论了审查机构如何发现这些努力的最新研究。我们还描述了审查规避研究目前面临的挑战，并确定具体的方法，为社会应对这些挑战。
2016-11-14 cs.CR 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
The Behavior of Internet Traffic for Internet Services during COVID-19 Pandemic Scenario
自2019年底以来，SARS-CoV-2病毒（称为COVID-19）在全球迅速蔓延，迫使许多政府实施限制性封锁或封锁以对抗疫情。随着世界上大多数国家对人们的行动限制，工人和学生需要将他们的活动留在家里。结果，人们的行为、习惯以及他们开始使用互联网的方式发生了重大变化。像办公室的专业人士一样，年轻人在这种行为中发挥了重要作用，特别是在他们使用的资源类型方面。因此，通信网络的特性和通信量受到某种影响。在这篇观点文章中，我们加入了许多关于COVID-19对网络影响的现有研究，并调查了在2020年大流行期间使用视频流媒体，视频会议和游戏等服务对互联网流量的影响。
2021-05-10 cs.NI eess.SP
Using Collective Intelligence to Route Internet Traffic
集体智能（COIN）是一组以自动化方式设计的交互式强化学习（RL）算法，以便它们的集体行为优化全局效用函数。我们总结了COIN的理论，然后提出了实验使用该理论设计COIN控制互联网流量路由。这些实验表明，COIN优于所有以前研究的基于RL的最短路径路由算法。
1999-05-10 adap-org cond-mat.stat-mech cs.DC
Active Internet Traffic Filtering: Real-time Response to Denial of Service Attacks
拒绝服务攻击（DoS）是Internet安全面临的最具挑战性的威胁之一。攻击者通常会危害大量易受攻击的主机，并使用它们来淹没受害者的站点，使其充满恶意流量，堵塞其尾部电路并干扰正常流量。目前，受到攻击的站点的网络运营商没有其他解决方案，只能通过在适当的边缘路由器中插入过滤器来手动响应，以丢弃攻击流量。然而，随着DoS攻击变得越来越复杂，手动过滤器传播变得不可接受地慢，甚至不可行。在本文中，我们提出了主动互联网流量过滤，一个新的自动过滤器传播协议。我们认为，该系统提供了一个有保证的，显着的保护水平，以换取合理的，有限的路由器资源。我们还认为，建议的系统不能被滥用的恶意节点干扰正常的互联网操作。最后，我们认为，它保持其效率在面对互联网的持续增长。
2003-09-29 cs.NI
On the multiresolution structure of Internet traffic traces
网络链路上的互联网流量可以建模为随机过程。在利用统计工具检测和量化这一过程的特性之后，开发了一系列数学模型，最终能够产生“交通”，其表现出-作为一个关键特征-在不同时间尺度的行为上的相同差异，正如在实际交通中观察到的那样，而且通过其他统计测试也无法与实际交通区分开来。然后使用从模型中得到启发的工具来确定和校准在每个时间尺度中发生的活动类型。令人惊讶的是，上述过程不需要源自网络动态或将总业务分解为其组成用户连接的任何详细信息，而是仅需要这些连接对非常弱的条件的顺应性。
2003-02-03 cs.NI math.PR
Internet Traffic Matrix Structural Analysis Based on Multi-Resolution RPCA
互联网流量矩阵在网络运营和管理中起着重要的作用，因此，对网络流量矩阵进行结构分析，将其分解为不同的流量分量，对网络应用具有重要的意义。基于鲁棒主成分分析（RPCA）理论，提出了一种基于小波多分辨率分析的流量矩阵结构分析方法--多分辨率RPCA。首先，我们建立了多分辨率流量矩阵分解模型（MR-TMDM），它通过小波系数来表征确定性流量的平滑性。其次，在此模型的基础上，对稳定主成分追踪（SPCP）进行了改进，提出了一种新的多分辨率约束下的流量矩阵分解方法SPCP-MRC，并设计了其数值算法。具体地，我们给出并证明了算法中一个子问题的封闭解。最后，我们评估不同的流量分解方法，通过多组模拟的流量矩阵包含不同类型的异常和不同的噪声水平。实验结果表明，与其他方法相比，SPCP-MRC方法能够实现更准确、更合理的流量分解。
2015-06-26 cs.NI
FairNet: A Measurement Framework for Traffic Discrimination Detection on the Internet
网络中立性与互联网上数据包的非歧视性待遇有关。任何故意歧视一个应用程序的流量而偏袒其他应用程序的行为都违反了中立原则。许多国家已经实施了反对这种歧视的法律。为了执行这些法律，人们需要工具来检测任何违反网络中立性的行为。然而，检测这种违规是具有挑战性的，因为很难区分由于自然网络效应和选择性降级而导致的任何质量降级。此外，合法的交通管理和故意的歧视方法在技术上可能是相同的，这使得区分它们更加困难。我们开发了一个名为FairNet的端到端测量框架来检测流量的歧视。它比较了类似服务的性能。我们的重点是HTTPS流媒体服务，它构成了互联网流量的主要部分。使混杂因素（拥塞、业务管理政策、动态速率自适应）对测试服务的影响“类似”，以确保公平比较。FairNet框架使用“重放服务器”和用户客户端，通过互联网交换可正确识别的流量流。TLS握手中的服务器名称指示（SNI）字段以明文形式出现，确保来自重播服务器的流量在网络中间盒中显示为来自其实际服务器的流量。我们使用商业流量整形器验证了适当的SNI会导致正确的服务分类。FairNet使用两种基于应用级吞吐量和连接状态的新算法来检测流量歧视。我们还通过移动应用程序在实时互联网上收集网络日志并进行分析，验证了该方法的有效性。
2021-10-20 cs.NI cs.SY eess.SY
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
Time-Distributed Feature Learning in Network Traffic Classification for Internet of Things
Ryerson University（瑞尔森大学）
物联网（IoT）设备的过多导致爆炸性的网络流量。网络流量分类（NTC）是探索网络流行为的重要工具，互联网服务提供商（ISP）需要NTC来管理物联网网络的性能。我们提出了一种新的网络数据表示，处理交通数据作为一系列的图像。因此，网络数据被实现为视频流以采用时间分布（TD）特征学习。使用卷积神经网络（CNN）和长短期记忆（LSTM）学习网络统计数据中的时间内信息，并且通过TD多层感知器（MLP）学习流之间的伪时间特征。我们进行实验，使用一个大的数据集与更多的类。实验结果表明，TD特征学习使网络分类性能提高了10%。
2021-09-29 cs.LG cs.NI
On the Statistical Characterization of Flows in Internet Traffic with Application to Sampling
本文提出了一种新的估计Internet中TCP流统计特性的方法。为此，定义了一组新的随机变量（称为可观测量）。当处理采样流量时，这些可观测量可以很容易地从采样数据中计算出来。通过采用一个方便的鼠标/大象二分法也依赖于流量，它示出了这些变量如何给出一个可靠的统计表示的数据包的数量在连续的时间间隔与适当的持续时间由大流量。一个数学框架的开发，以估计该方法的精度。作为一个应用程序，它示出了如何可以估计大TCP流的数量时，只有采样流量可用。对不同类型的IP网络收集的实验数据，所提出的算法进行了测试。
2009-06-26 cs.NI
An Empirical Study on Internet Traffic Prediction Using Statistical Rolling Model
University of Western Ontario（西安大略大学）；Juniper Networks（瞻博网络）
现实世界的IP网络流量容易受到外部和内部因素的影响，如新的互联网服务集成，流量迁移，互联网应用等。由于这些因素，实际的互联网流量是非线性的，使用统计模型进行分析具有挑战性，以预测未来。在本文中，我们调查和评估不同的统计预测模型的性能，为真正的IP网络流量，并显示了显着的改善预测使用滚动预测技术。首先，一组最佳的超参数为相应的预测模型确定通过分析的流量特性，并实现基于最小赤池信息准则（AIC）的网格搜索算法。然后，我们进行了比较性能分析自回归积分移动平均（ARIMA），季节性ARIMA（SARIMA），与外源因素的SARIMA（SARIMAX），和Holt-Winter的单步预测。我们的流量的季节性已经使用SARIMA明确建模，与ARIMA（无法处理季节性）相比，它将滚动预测平均平均百分比误差（MAPE）降低了4%以上。我们使用SARIMAX进一步改进了流量预测，以学习从原始流量中提取的不同外生因素，从而产生了最佳的滚动预测结果，MAPE为6.83%。最后，我们应用指数平滑技术来处理Holt-Winter模型之后的流量变化，该模型比ARIMA模型具有更好的预测效果（MAPE减少约1.5%）。滚动预测技术使用真实的互联网服务提供商（ISP）的流量数据减少预测误差超过50%的标准预测方法相比。
2022-05-03 cs.LG cs.NI
Flow-based analysis of Internet traffic
我们提出了基于流的分析来估计互联网连接的质量。使用排队论的结果，我们比较了两个表达式的骨干流量，有不同的适用范围。链路利用率与其中活动流数量的相关性曲线描述了网络的不同状态。我们提出了一种方法来绘制这样的曲线，使用从Cisco路由器的NetFlow协议接收的数据，确定工作区和网络的过载点。我们的测试是一种找到升级主干的简单方法。
2003-06-09 cs.NI
New Phenomena in Large-Scale Internet Traffic
该研究通过大规模互联网流量数据分析发现叶节点和孤立链路的重要性，提出双参数修正Zipf-Mandelbrot分布可准确描述流量统计特征，且模型参数可区分网络流、关联网络拓扑。
2022-01-16 cs.CY cs.DC cs.NI
Impact of Evolving Protocols and COVID-19 on Internet Traffic Shares
过去几年新互联网协议的快速部署以及最近（2020年）的COVID-19疫情导致互联网流量组成发生变化。因此，需要一个更新的流量份额微观视图，以了解互联网是如何发展，以捕捉这些短期和长期的事件。为此，我们观察了日本的一个研究网络和美国的一级ISP的流量组成。我们分析了在两个域间链路：MAWI（日本）和CAIDA（纽约-圣保罗）被动捕获的流量跟踪，其中包括100 GB的MAWI跟踪数据和4 TB的CAIDA跟踪数据。我们首先研究COVID-19对MAWI链路的影响：我们发现OpenVPN和rsync的流量大幅增加，以及云存储和视频会议服务的流量增加，这表明客户在疫情期间转向远程工作。对于2018年3月至2018年12月之间的流量跟踪，我们发现CAIDA监测器上IPv6的使用正在迅速增加：IPv6流量从2018年3月的1.1%增加到2018年12月的6.1%，而IPv6流量份额在MAWI数据集中保持稳定，约占流量的9%。在应用层的其他协议中，CAIDA链路上60%-70%的IPv4流量是HTTP（S）流量，其中三分之二是加密的;对于MAWI链路，90%以上的流量是Web流量，其中近75%是加密的。与以前的研究相比，这描绘了加密Web流量的更大增长，HTTPS与HTTP的比例高达3比1。因此，我们在这项研究中的观察结果进一步证实，流量份额随时间而变化，尽管使用了相同的广义方法和分析，但根据…
2022-01-15 cs.NI
Understanding and Partitioning Mobile Traffic using Internet Activity Records Data -- A Spatiotemporal Approach
University of Science and Technology Beijing（北京科技大学）；COMSATS University Islamabad（伊斯兰堡COMSATS大学）；University of Engineering and Technology Lahore（拉合尔工程技术大学）
移动蜂窝网络的互联网活动记录（IAR）包含了重要的信息，可以用来识别网络的功效和移动用户的行为。在这项工作中，我们从IAR数据中提取有用的信息，并确定一个健康的可预测性的时空模式内的网络流量。所提取的信息有助于网络运营商规划有效的网络配置并执行网络资源的管理和优化。我们报告的IAR数据的意大利电信的时空分析实验。在此基础上，提出了移动业务划分方案。该模型的实验结果有助于网络流量模式的建模和划分。
2019-07-30 cs.LG cs.NI eess.SP
Introducing Large Language Models as the Next Challenging Internet Traffic Source
本文探讨LLM和GenAI工具作为新网络流量来源的影响，提供概念验证测量远程交互流量，估算2025年开源LLM每次提示平均流量约7.6KB，预示AI将成为下一个饱和网络的杀手级应用。
2025-04-14 cs.NI
Spot Transit: Cheaper Internet Transit for Elastic Traffic
我们主张建立一个\emph{spot}互联网中转市场，在这个市场上，中转使用未充分利用的骨干容量以较低的价格出售。供应商可以通过资本化易腐能力来提高利润，客户可以按需购买公交，而无需弹性交通的最低承诺水平，从而提高其盈余（即效用收益）。本文从理论和实证两个方面对城市轨道交通的经济效益进行了系统的研究。我们提出了一个简单的分析框架，一般的需求函数，并解决了定价问题的最大化的预期利润，考虑到收入损失的定期过境时，现货过境交通上涨。我们严格证明了现货中转的价格优势，以及1级ISP和客户的利润和盈余改善。使用真实世界的价格数据和流量统计的6个IXP与超过1000个ISP，我们定量评估现货过境，并表明显着的经济效益，可以实现在绝对和相对条件下，强大的参数值。
2013-09-25 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
Deep Learning Approaches for Network Traffic Classification in the Internet of Things (IoT): A Survey
Mehran University of Engineering and Technology（梅赫兰工程与技术大学）
本综述系统梳理了面向物联网环境的深度学习网络流量分类方法，分析了各类模型的优劣与挑战，并指出了未来研究方向。
2024-02-01 cs.CR cs.LG cs.NI
Automating Internet of Things Network Traffic Collection with Robotic Arm Interactions
Colgate University（科尔盖特大学）；University of Chicago（芝加哥大学）
消费者物联网研究通常涉及收集物联网设备发送或接收的网络流量。这些数据通常通过众包收集，或者研究人员在实验室环境中手动与物联网设备交互时收集。然而，手动交互和众包通常繁琐、昂贵、不准确，或者不能全面覆盖可能的物联网设备行为。我们提出了一种使用机器人手臂自动化用户与设备交互来生成物联网网络流量的新方法。这消除了手动按钮按下，并启用基于排列的交互序列，严格探索可能的设备行为的范围。我们使用Arduino控制的机器人手臂，智能扬声器和智能恒温器测试这种方法，使用机器学习来证明收集的网络流量包含有关设备交互的信息，这些信息可能对网络，安全或隐私分析有用。我们还提供源代码和文档，使研究人员能够在未来的研究中轻松自动化物联网设备交互和网络流量收集。
2022-10-12 cs.CR cs.NI cs.RO
QoE-aware cross-layer architecture for video traffic over Internet
视频应用程序和视频功能设备的出现大大增加了互联网上的视频流量。新机制建议视频速率自适应，以提供增强的体验质量（QoE），同时为更多会话腾出空间。本文介绍了一种跨层的QoE感知架构的视频业务在互联网上。该方案提出应用层视频源通过动态控制传输速率来适应网络环境，网络层边缘通过视频感知接纳控制来控制新会话的接纳，从而保护活动视频会话的质量。特别是，它将寻求最有效的方式来接受新的视频会话和调整传输速率，以释放更多会话的资源，同时保持活动会话的QoE。拟议的框架将有助于为可预见的未来视频流量的极端增长做好准备。仿真结果表明，所提出的跨层架构保证了QoE的接纳会话，并利用链路更有效地相比，仅速率自适应架构。
2020-08-24 cs.NI
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
H-Probe: Estimating Traffic Correlations from Sampling and Active Network Probing
大量的研究涉及估计互联网流量轨迹的相关性和Hurst参数。这些统计数据的重要性在于它们对网络性能的根本影响。然而，互联网流量轨迹的覆盖范围是有限的，因为获取这样的轨迹对于例如以下方面是具有挑战性的：机密性、记录速度和存储容量。在这项工作中，我们研究如何互联网流量的相关性可以可靠地估计从随机流量样本。这些样本可以通过网络内的被动监视来观察，也可以通过终端系统处的主动分组探测来观察。我们分析了具有不同样本间分布的随机抽样过程，并展示了如何从这些样本中获得渐近无偏估计。我们量化的固有的局限性，是由于有限的观察和探索的各种参数，如采样强度，网络利用率，或赫斯特参数的估计精度的影响。我们设计了一个主动探测方法，使简单和轻量级的流量采样，而无需网络的支持。我们验证我们的方法在一个受控的网络环境中，并提出全面的互联网测量。我们发现，相关性表现出的属性，如长程依赖性以及周期性，它显着不同的互联网路径和观察时间。
2012-08-14 cs.NI
Can LLMs Forecast Internet Traffic from Social Media?
针对现有流量预测系统无法捕捉社会事件引发的异常流量问题，提出利用公共话语信号（如社交媒体）作为早期指标的方法，通过概念验证系统实现56-92%的社会驱动流量峰值预测，为跨领域研究开辟新方向。
2025-09-24 cs.NI
Flow length and size distributions in campus Internet traffic
基于流量的网络机制的效率在很大程度上取决于流量特性，因此应该使用准确的流量模型进行评估。例如，在基于大象流和老鼠流之间的区别的算法的情况下，确保流的长度和大小分布是非常重要的。文献中没有可靠的模型或数据。许多作品只包含粗略地呈现所选流动参数的经验分布的图，而没有提供分布混合模型或任何可重复使用的数值数据。本文的目的是填补这一空白，并提供可重用的模型的流量长度和大小来自真实的交通痕迹。跟踪是在大学校园网络的面向互联网的接口处收集的，包括40亿个第4层流量（275 TB）。这些模型可以用来评估各种流动为导向的解决方案的假设下，现实的条件。此外，本文还提供了一个教程，从流量轨迹构建网络流模型。所提出的方法是通用的，可以应用于任何网络中收集的流量跟踪。我们还提供了一个开源软件框架来分析流迹并将一般混合模型拟合到流迹上。
2020-12-27 cs.NI
Assisting Mission-Critical Traffic Flows with Active Queue Management in Industrial Internet of Things
Swinburne University of Technology（斯威本科技大学）；Deakin University（迪肯大学）；Peking University（北京大学）
研究工业物联网中关键任务流量问题，提出用主动队列管理协助，经实验证明多队列AQM方案能带来流隔离和容量共享优势，显著提升关键任务流量性能并给出部署建议。
2026-07-17 cs.NI
AI-aided Traffic Control Scheme for M2M Communications in the Internet of Vehicles
随着车联网数据传输量的快速增长，如何有效缓解接入拥塞成为一个重要的问题。近年来，人们研究了许多交通控制方案。然而，现有的研究大多没有考虑流量的动态变化和不同车联网应用的异构需求，这对随机接入资源分配具有重要意义。本文提出了一种基于近端策略优化（PPO）的混合流量控制方案。建立了在成功率约束下最大化分组成功传输的目标。然后，将优化目标转化为马尔可夫决策过程（MDP）模型。最后，接入类禁止（ACB）因素的基础上获得的PPO方法，以最大限度地提高成功接入设备的数量。通过仿真验证了该算法在成功事件和延迟方面与现有方案的性能。
2022-04-12 cs.LG cs.NI
Automatic Device Classification from Network Traffic Streams of Internet of Things
随着物联网（IoT）的广泛采用，数十亿日常物品正在连接到互联网。由于规模庞大，有效管理这些设备以支持可靠、安全和高质量的应用变得非常具有挑战性。作为物联网设备管理的关键基石之一，自动跨设备分类旨在通过分析其网络流量来识别设备的语义类型。它有可能支持广泛的新功能，例如增强的安全性（通过施加适当的规则来约束某些类型设备的通信）或物联网应用的上下文感知（通过物联网设备及其高级语义的利用和互操作性）。我们提出了一种自动物联网设备分类方法来识别新的和看不见的设备。该方法使用物联网网络的业务流所携带的丰富信息来表征各种设备的属性。我们首先从原始网络流量中指定一组区分特征，然后提出LSTM-CNN级联模型来自动识别设备的语义类型。我们使用真实世界物联网数据集的实验结果表明，我们提出的方法能够提供令人满意的性能。我们还提出了有趣的见解，并讨论了潜在的扩展和应用。
2018-12-24 cs.NI
Elasticity Detection: A Building Block for Internet Congestion Control
本文介绍了Nimbus，一种鲁棒的技术来检测是否与流竞争的交叉业务是“弹性”，并表明这种弹性检测器改善了拥塞控制。如果交叉业务是无弹性的，则发送方可以控制分组延迟，同时实现高吞吐量，但是在存在弹性业务的情况下，如果它试图控制分组延迟，则可能损失吞吐量。为了估计弹性，Nimbus用正弦脉冲调制流的发送速率，在瓶颈链路处产生小的流量波动，并测量交叉流量速率的频率响应。我们的仿真和现实世界的路径上的结果表明，拥塞控制使用弹性检测实现吞吐量可比立方，但延迟是50-70毫秒低时，交叉流量是无弹性的。Nimbus比Copa更准确地检测交叉流量的性质，并且可用作其他端到端算法的构建块。
2020-02-15 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
Saving Private WAN: Using Internet Paths to Offload WAN Traffic in Conferencing Services
本文提出Titan和Titan-Next系统，利用大规模延迟测量发现互联网路径在某些地区性能不逊于私有WAN，从而将部分会议流量卸载到互联网，最多降低61%的WAN峰值带宽成本。
2024-07-02 cs.NI
On Blowback Traffic on the Internet
本文研究单次探测引发大量响应数据包的回弹现象，发现数万至数十万主机产生回弹，平均放大达数量级，且回弹源稳定，可被利用发动放大式拒绝服务攻击。
2023-05-09 cs.NI
Internet of Drones
University of Waterloo（滑铁卢大学）
无人机互联网（IoD）是一种分层网络控制架构，主要用于协调无人机对受控空域的访问，并在称为节点的位置之间提供导航服务。IoD为各种无人机应用提供通用服务，如包裹递送、交通监控、搜索和救援等。在本文中，我们提出了一个概念模型，这样的架构可以组织，我们指定的功能，IoD系统的基础上，我们的架构应该实现。为此，我们从三个现有的大规模网络中提取关键概念，即空中交通管制网络，蜂窝网络和互联网，并探索它们与我们的无人机交通管理新架构的联系。
2016-02-02 cs.NI cs.RO
Encrypted Internet traffic classification using a supervised Spiking Neural Network
Institut Supérieur de l’Aéronautique et de l’Espace (ISAE-SUPAERO)（高等航空航天学院）；University of Toulouse（图卢兹大学）；CNRS（法国国家科学研究中心）；Université Toulouse 3（图卢兹第三大学）；Sharif University of Technology（谢里夫理工大学）
互联网流量识别是接入提供商的重要工具，因为识别与网络上传输的不同数据包相关的流量类别有助于他们定义适应的优先级。这意味着，例如，音频会议的高优先级要求和文件传输的低优先级要求，以增强用户体验。随着互联网流量变得越来越加密，主流的经典流量识别技术，有效载荷检查，变得无效。本文使用机器学习技术对加密流量进行分类，只关注数据包大小和到达时间。脉冲神经网络（SNN）主要受到生物神经元运作方式的启发，被用于两个原因。首先，它们能够识别与时间相关的数据包特征。其次，它们可以在具有低能量足迹的神经形态硬件上有效地实现。在这里，我们使用了一个非常简单的前馈SNN，只有一个完全连接的隐藏层，并使用新引入的代理梯度学习方法以监督的方式进行训练。令人惊讶的是，这样一个简单的SNN在ISCX数据集上达到了95.9%的准确率，优于以前的方法。除了更好的准确性外，简单性也有了非常显著的改善：输入大小，神经元数量，可训练参数都减少了一到四个数量级。接下来，我们分析了这种良好准确性的原因。事实证明，除了空间（即数据包大小）特征之外，SNN还利用了时间特征，主要是具有特定大小的数据包的几乎同步（在200 ms范围内）到达时间。总之，这些结果表明，SNN是一个非常适合加密的互联网流量分类：他们可以比传统的人工神经网络（ANN）更准确，他们可以有效地实现低功耗的嵌入式系统。
2022-07-21 cs.LG cs.NI
On the Distribution of Traffic Volumes in the Internet and its Implications
获得网络链路上流量的良好统计模型是一个众所周知的，经常研究的问题。相关模式和流动持续时间已经引起了很多关注。单位时间内交通量的分配是一个同样重要但研究较少的问题。我们使用最先进的统计技术研究了来自许多不同网络的大量流量轨迹，包括学术，商业和住宅网络。我们表明，对数正态分布是一个更好的拟合比高斯分布通常声称在文献中。我们还研究了第二个重尾分布（威布尔分布），并表明其性能优于高斯分布，但比对数正态分布差。我们研究异常的痕迹，这是一个穷人适合所有的分布尝试，并表明，这往往是由于交通中断或链接，达到最大容量。我们证明了效用的对数正态分布在两种情况下：预测的时间流量的比例将超过一个给定的水平（服务水平协议或链路容量估计）和预测第95百分位定价。我们还表明，对数正态分布是一个更好的预测比高斯或威布尔分布。
2019-02-11 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
Traffic Road Congestion System using by the internet of vehicles (IoV)
本文通过系统文献综述分析2014-2023年间121篇论文，研究车联网（IoV）在交通拥堵控制中的应用，并基于SUMO仿真和车辆云提出比传统模型更高效的IoV交通控制模型。
2023-06-01 cs.CY 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
Masking Host Identity on Internet: Encrypted TLS/SSL Handshake
网络中间盒通常对互联网上的流量进行分类，以执行流量管理或区分一个流量与另一个流量。由于HTTPS协议的广泛采用使得很难对查看内容字段的流量进行分类，中间框查找的字段之一是服务器名称指示符（SNI），它以纯文本形式出现。SNI字段包含有关主机的信息，进而可以显示流量类型。本文提出了一种通过加密SNI来屏蔽服务器主机身份的方法。我们开发了一种简单的方法，通过两次握手来完成SSL/TLS连接的建立-第一次握手在不共享SNI信息的情况下建立安全信道，第二次握手共享加密的SNI。我们的方法强制要求前端服务器始终接受没有SNI的握手请求，并使用有效的SSL证书进行响应。由于在已经证明的SSL/TLS加密机制和握手消息的处理中没有修改，所以新方法享有现有安全信道建立的所有安全益处，并且不需要在现有路由器/中间盒中进行修改。使用定制的客户端-服务器在现场互联网上，我们证明了我们的方法的可行性。此外，影响分析表明，该方法符合几乎所有与SSL/TLS相关的互联网标准要求。
2021-01-12 cs.CR cs.NI
Site-to-Site Internet Traffic Control
路由器允许网络运营商控制流量：在队列建立的地方，他们可以强制执行调度和整形策略。然而，在今天的互联网中，队列建立的位置和控制最有效的位置之间存在不匹配;队列建立在瓶颈链路上，这些链路通常不受数据发送方的控制。为了解决这种不匹配，我们提出了一种新的中间盒，称为Bundler。Bundler在sendbox（在发送方的站点中）和receivebox（在接收方的站点中）之间使用了一个新颖的内部控制回路来确定捆绑包的总速率，而端到端连接及其控制回路保持不变。强制执行此发送速率可确保从bundle的数据包建立的瓶颈队列现在从瓶颈转移到sendbox。然后，sendbox通过调度数据包来控制其流量，以实现更高级别的目标。我们已经在Linux上实现了Bundler，并通过真实世界和仿真实验对其进行了评估。我们发现，Bundler允许发送者选择的策略是有效的：当配置为实现随机公平性验证（SFQ）时，它在各种场景中将中值流完成时间（FCT）提高了28%到97%。
2021-04-27 cs.NI
A Multi-Perspective Study of Internet Performance during the COVID-19 Outbreak
新型冠状病毒SARS-CoV-2的迅速传播促使世界各国政府做出了前所未有的反应。世界上三分之一的人口处于不同程度的封锁之中，互联网已成为开展大多数商业和教育活动的主要媒介。本文旨在从多个角度阐述第一波疫情期间互联网的表现。我们调查的互联网控制平面和数据平面的性能，从一些全球分布的有利位置。我们还仔细研究了两个案例。首先，我们利用一家全球视频会议提供商的流量日志，研究了疫情期间视频流量的增长情况。其次，我们利用全国范围内部署的测量探针来评估疫情期间移动网络的性能。我们发现，封锁明显影响了互联网性能的几乎所有方面。接入网络已经经历了峰值和非峰值端到端延迟的增加。移动网络在下载速度方面表现出显著的变化，而某些类型的视频流量已经增加了一个数量级。尽管有这些变化，互联网似乎已经相当好地应对了封锁交通。
2021-01-13 cs.CY cs.NI
Watching the IPv6 Takeoff from an IXP's Viewpoint
网络运营商对部署新的互联网地址空间的兴趣程度不同，这使得IPv6的部署缓慢。然而，自从最后一块IPv4地址分配完毕后，互联网界开始认真对待地址空间稀缺的问题，并开始积极推进。在2011年6月8日（世界IPv6日[1]）IPv6测试成功后，网络运营商和服务/内容提供方聚集在一起，为IPv6全球部署的下一步做准备（2012年6月6日世界IPv6启动[2]）。该活动的主要目的是永久启用他们的IPv6连接。本文基于欧洲一个大型互联网交换点（IXP）收集的互联网流量数据，主要针对两次全球IPv6事件的时间段，对IPv6流量的现状进行了分析。我们的研究结果表明，IPv6流量是负责一小部分，如0.5%的总流量在高峰期。然而，我们对IPv6流量/前缀的增长显示出急剧增长以及IPv6流量的应用组合开始模仿IPv4主导的互联网的事实印象深刻。
2014-02-17 cs.NI
What is Normal? A Big Data Observational Science Model of Anonymized Internet Traffic
MIT（麻省理工学院）；LBNL（劳伦斯伯克利国家实验室）；Texas A&M（德克萨斯农工大学）；GreyNoise；University of Tennessee（田纳西大学）
本研究借鉴其他领域的观测科学思路，借助GraphBLAS高性能图库与超级计算机的算力，在保障隐私的前提下构建了低参数的匿名互联网流量正常行为观测模型，为异常检测提供支撑。
2024-09-04 cs.CR cs.CY cs.NI
ShieldShare: Building a VPN-backed Android Hotspot for Secure Internet Sharing with Per-User Traffic Accounting
Khoury College of Computer Sciences Northeastern University Vancouver, Canada
本文提出ShieldShare，一种无需root权限的Android应用，通过代理实现安全VPN热点共享，并支持按用户计费。系统采用模块化架构，包含VPN检测、热点管理、代理流量转发及流量计量功能。
2026-05-02 cs.CR cs.NI
FixRoute: A Unified Logic and Numerical Tool for Provably Safe Internet Traffic Engineering
使用Internet协议的网络的性能对每个网络设备上许多低级参数的精确配置很敏感。这些设置控制着动态路由协议的行为，动态路由协议引导通信流;为了确保这些动态协议都收敛以产生某种“最佳”流，必须正确设置每个参数。多个相互冲突的优化目标，不确定性，以及需要对不同的故障情况进行推理，使任务特别复杂。我们提出了一个快速，灵活的方法来分析BGP路由的上下文中提出的一些这样的管理任务。其思想是将{ \em逻辑}可满足性准则与传统的{ \em数值}优化相结合，在给定的路由过程约束条件下达到期望的交通流结果。然后，该方法可以用于探测参数灵敏度、优化目标的选择中的权衡、对故障的弹性等。该理论的基础是分布式异步消息传递协议的收敛的严格抽象，因此可以推广到其他场景。我们得到的混合引擎比纯逻辑或纯数字的替代方案更快，这使得它可能适用于交互式生产。
2015-11-27 cs.NI
Bittorrent Network Traffic Forecasting With ARMA
近年来，内容通过网络分发的方式发生了一些重大变化。内容分发技术最近开始采用对等（P2P）系统作为传统客户端-服务器架构的替代方案。基于BitTorrent协议的P2P系统使用最终用户的资源向数千个用户提供带宽密集型内容的成本有效的分发。BitTorrent协议系统提供了一种可扩展的机制，用于通过Internet将大量数据分发给一组对等体。随着对文件共享和内容分发的需求不断增长，BitTorrent已成为最受欢迎的互联网应用程序之一，并占互联网流量的重要部分。随着BitTorrent协议系统的广泛使用，它基本上解决了数据可以快速传输到一组感兴趣的各方的主要问题之一。BitTorrent协议的优势在于下载和上传过程的高效带宽利用。然而，BitTorrent协议的使用也会导致其他应用程序在网络带宽方面的延迟，这反过来又引起了互联网服务提供商的担忧，他们为所有客户争取服务质量。本文研究了BitTorrent网络流量的网络流量模式，并利用时间序列ARMA模型对其行为进行了研究。我们的实验结果表明，BitTorrent网络流量可以建模和预测，使用ARMA模型。我们比较和评估预测的网络流量与真实的流量模式。这种建模可以被互联网服务提供商用来管理他们的网络带宽，并检测他们的网络中的任何异常。
2012-08-09 cs.NI
