Исследование стохастических моделей генерации пакетов в компьютерных сетях

Обложка

Цитировать

Полный текст

Аннотация

Стохастические модели генерации пакетов – это модели, которые используются для генерации трафика в компьютерных сетях с определенными характеристиками. Эти модели могут быть использованы для симуляции сетевой активности и тестирования производительности сети. Стандартная передача данных в сети – это генерация пакетов с задержками, при котором пакеты отправляются через определенные промежутки времени. Для генерации пакетов с задержками могут использоваться различные стохастические модели, включая равномерное распределение, экспоненциальное распределение, распределение Эрланга. В данной работе была собрана экспериментальная установка и разработано клиент-серверное приложение для проведения исследования и анализа производительности канала передачи данных. Был предложен алгоритм, позволяющий восстанавливать моментные характеристики случайной величины интервала между пакетами для дальнейшего использования моделей массового обслуживания. Выполнен анализ законов распределения на производительность экспериментального образца сети и получены оценки эффективности использования канала и среднего времени генерации пакетов в сегментах сети, а также гистограммы задержек по законам распределения. Была создана экспериментальная установка, разработано клиент-серверное приложение для анализа производительности канала передачи данных. Предложен алгоритм восстановления моментных характеристик временных интервалов между пакетами. Проведен анализ законов распределения на производительность сети, получены оценки эффективности использования канала и среднего времени генерации пакетов в сегментах сети, также гистограммы задержек по законам распределения. Генерация пакетов с задержками по стохастическим законам распределения (равномерное, экспоненциальное, Эрланга) имеет большое значение при моделировании и анализе работы сетевых систем. Также генерация пакетов с задержками по вышеупомянутым законам распределения позволяет проводить тестирование и отладку сетевых приложений и устройств в условиях, близких к реальным. Это позволяет выявлять возможные проблемы и улучшать работу сетевых систем. В результате эксперимента был предложен алгоритм, позволяющий восстанавливать моментные характеристики случайной величины интервала между пакетами для дальнейшего использования моделей массового обслуживания. Также, выполнен анализ влияния законов распределения на производительность экспериментального образца сети и получены оценки эффективности использования канала и среднего времени генерации пакетов в сегментах сети, а также гистограммы задержек по законам распределения.

Об авторах

Сергей Валерьевич Малахов

Поволжский государственный университет телекоммуникаций и информатики

Email: s.malakhov@psuti.ru
ORCID iD: 0009-0001-8666-6713
доцент; кафедра управления в технических системах;

Денис Олегович Якупов

Поволжский государственный университет телекоммуникаций и информатики

Email: d.yakupov@psuti.ru
ORCID iD: 0009-0003-2371-0822
ассистент; кафедра программной инженерии;

Список литературы

  1. Жукова Г.Н. Карта коэффициентов асимметрии и эксцесса в преподавании теории вероятностей и математической статистики// Концепт 2015. №8. С. 1-4.
  2. Дмитриев Е.И., Медведев А.В. P-генератор случайных чисел, распределенных по экспоненциальному закону// Актуальные проблемы авиации и космонавтики 2011. №7. Том 1. С. 316-317.
  3. Распределение Эрланга URL: http://algolist.ru/maths/matstat/erlang/index.php#:~:text=%D0%A0%BC. (Дата обращения 06.03.2023).
  4. Как пользоваться Wireshark для анализа трафика. URL: https://losst.pro/kak-polzovatsya-wireshark-dlya-analiza-trafika (Дата обращения 06.03.2023).
  5. Приложение для генерации пакетов в компьютерных сетях с помощью стохастических моделей распределения. URL: https://elibrary.ru/item.asp?id=50133060
  6. Тарасов В.Н., Бахарева Н.Ф., Горелов Г.А., Малахов С.В. Анализ входящего трафика на уровне трех моментов распределений временных интервалов// Информационные технологии 2014. №9. С. 54-59.
  7. Эмуляция влияния глобальных сетей. URL: https://habr.com/ru/articles/24046/ (Дата обращения 10.05.2023).
  8. Руководство по настройке производительности. URL: http://www.regatta.cs. msu.su/doc/usr/share/man/info/ru_RU/a_doc_lib/aixbman/prftungd/2365c91.htm (Дата обращения 10.05.2023).
  9. Алгоритмы сети Ethernet/Fast Ethernet. URL: https://intuit.ru/studies/professional_retraining/943/courses/57/lecture/1690?page=2 (Дата обращения 10.05.2023).
  10. Снабжение пакетов данных точными временными метками в системах сетевого мониторинга. URL: http://www.treatface.ru/solutions/sistemy-setevogo-monitoringa/snabzhenie-paketov-dannykh-tochnymi-vremennymi-metkami-v-sistemakh-setevogo-monitoringa (Дата обращения 10.05.2023)

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».