Програмна імітаційна модель комп’ютерної мережі з симуляцією мультифрактального трафіку на основі ланцюга Mаркова
Анотація
У роботі представлено розроблену програмну імітаційну модель комп’ютерної мережі з симуляцією мультифрактального трафіку на основі ланцюга Маркова для тестування алгоритмів маршрутизації. Для генерації структури комп’ютерної мережі розроблено метод на основі теорії складних мереж. Для симуляції мережевого трафіку розроблено метод генерації мультифрактальної бінарної послідовності з використанням ланцюга Маркова. Комп’ютерна мережа у розробленій моделі представлена повнозв’язним неорієнтованим зваженим графом, в якому вузлами є маршрутизатори, а ребрами – мережеві зв’язки між ними. Вага ребер – величина, обернена до пропускної спроможності каналу зв’язку. Вузли містять черги, в яких розміщуються прийняті пакети перед визначенням маршруту їх відправлення та відправкою на наступний вузол. Час у моделі представлений дискретними ітераціями. Маршрутизація здійснюється на основі тих алгоритмів, які необхідно протестувати на моделі. Для симуляції мережевого трафіку у розробленій програмній імітаційній моделі запропоновано метод генерації бінарної мультифрактальної послідовності на основі ланцюгів Маркова зі стохастичним автоматом, який дозволив керувати фрактальною розмірністю бінарного ряду на різних масштабах
Ключові слова
комп’ютерні мережі; програмна імітаційна модель; мережевий трафік; фрактальна розмірність; показник Херста; мультифрактальність
Використані джерела
[1] A.-L. Barabási, Network Science. Cambridge University Press, 2018. [Online]. Available: http://networksciencebook.com/
[2] V. V. Pasichnyk, and N. M. Ivanushchak, "Research and modeling of complex networks", Skhidno-Yevropeiskyi zhurnal peredovykh tekhnolohii, iss. 2, no. 3 (44), pp. 43-48, 2010 [in Ukrainian].
[3] V. А. Traag, Algorithms and Dynamical Models for Communities and Reputation in Social Networks. Springer International Publishing, 2014, p. 229. [Online]. Available: https://doi.org/10.1007/978-3-31906391-1
[4] D. J. Watts, and S. H. Strogatz, "Collective dynamics of "small-world" networks", Nature, vol. 393 (6684), pp. 440-442, 1998. [Online]. Available: https://www.nature.com/ articles/30918
[5] S. Robert, and J. Y. Le Boudec, "New models for pseudo self-similar traffic", Performance Evaluation, vol. 30 (1-2). pp. 57-68, 1997.
[6] G. Horn, A. Kvalbein, J. Blomskøld, and E. Nilsen, "An empirical comparison of generators for self-similar simulated traffic", Performance Evaluation, vol. 64 (2), pp. 162-190, 2007.
[7] T. Sobh, K. Elleithy, and A. Mahmood, Eds., Novel Algorithms and Techniques in Telecommunications and Networking. Springer, 2010, pp. 41-46.
[8] H. M. Drieieva, O. A. Smirnov, O. M. Drieiev, and T. V. Smirnova, "A fractal analysis of a Markov chain based self-similar traffic generator", Central Ukrainian Scientific Bulletin, Engineering sciences, vol. 2 (33), pp. 161-172, 2019.
[9] H. Drieieva, O. Drieiev, Ye. Meleshko, M. Yakymenko, and V. Mikhav, "A method of determining the fractal dimension of network traffic by its probabilistic properties and experimental research of the quality of this method", CEUR-WS, vol. 3171, pp. 1694-1707, Gliwice, Poland, 2022. [Online]. Available: http://ceur-ws.org/Vol-3171/paper120.pdf
[10] Ye. Meleshko, H. Drieieva, ta V. Mikhav, "Software simulation model of a computer network for testing traffic routing algorithms", in Int. Sci. and Tech. Conf. Automation, Computer-Integrated Technologies and Problems of Energy Efficiency in Industry and Agriculture (AKIT-2022). Kropyvnytskyi: EkskliuzyvSystem, 2022, pp. 26-27 [in Ukrainian].
[11] A.-L. Barabási, and R. Albert, "Emergence of scaling in random networks", Science, vol. 286, no. 5439, pp. 509-512, 1999. [Online]. Available: https://doi.org/10.1126/ science.286.5439.509
[12] G. Millán, and G. Lefranc, "A fast multifractal model for self-similar traffic flows in high-speed computer networks", Information Technology and Quantitative Management (ITQM2013). Procedia Computer Science, 17, pp. 420-425, 2013.
[13] E. Areström, and N. Carlsson, "Early online classification of encrypted traffic streams using multi-fractal features", in IEEE Conference on Computer Communications Workshops (INFOCOM WKSHPS), 2019, pp. 84-89. doi: 10.1109/INFCOMW.2019.8845127.
[14] V. J. Ribeiro, Z.-L Zhang, S. Moon, and C. Diot, "Small-time scaling behavior of Internet backbone traffic", Computer Networks, vol. 48, pp. 315-334, 2005. doi: 10.1016/j.comnet.2004.11.012.
[15] "Hurst exponent evaluation and R/S-analysis doi: 10.1109/INFCOMW.2019.8845127. in Python", GitHub - Mottl/hurst. [Online]. Available: https://github.com/Mottl/hurst