Wyniki wyszukiwania - BazTech

1

Analiza ruchu w sieci komputerowej w oparciu o modele multifraktalne

Burdacki M., Dymora P., Mazurek M.

Zeszyty Naukowe Politechniki Rzeszowskiej. Elektrotechnika

|

2017

|

z. 36 [296], nr 3

43--52

PL

Celem badań była analiza ruchu w sieci komputerowej z wykorzystaniem wybranych modeli multifraktalnych. W części teoretycznej omówiono podstawowe zagadnienia związane z oprogramowaniem zbierającym dane w sieci komputerowej, klasyfikacją przebiegów czasowych przy użyciu wykładnika Hurst’a. Opisano metody wykorzystane do wyznaczenia widm multifraktalnych. W części badawczej dokonano analizy przepływu ruchu w sieci komputerowej na podstawie liczby pakietów oraz prędkości przesyłania danych. Wykonano analizę wykładnika Hurst’a wyznaczanego dla poszczególnych przebiegów czasowych. Dokonano analizy widm multifraktalnych utworzonych dla badanych rodzajów ruchu sieciowego.

EN

The aim of this work was computer network traffic analysis. Theoretical part describes issues referring to network traffic capture software, time-series classification using Hurst exponent and multifractal spectrum creating methods. In research part was made an analysis of network traffic based on a number of packets and data transfer speed. It was also made a Hurst exponent analysis and a multifractal spectrum analysis for each type of analyzed network traffic. After the research it was possible to draw conclusions about characteristic of analyzed network traffic.

2

Computer network traffic analysis with the use of statistical self-similarity factor

Dymora P., Mazurek M., Strzałka D.

Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica

|

2013

|

Vol. 13, no. 1

69--81

EN

The optimal computer network performance models require accurate traffic models, which can capture the statistical characteristic of actual traffic. If the traffic models do not represent traffic accurately, one may overestimate or underestimate the network performance. The paper presents confirmation of the self-similar nature of the selected protocols in the computer network communication layer. It shows that the good measure of self-similarity is a Hurst factor.

3

Multisequence Alignment as a new tool for network traffic analysis

Fabjański K., Kozakiewicz A., Felkner A., Kijewski P., Kruk T.

Prace Naukowe Politechniki Warszawskiej. Elektronika

|

2007

|

z. 160

59-70

EN

This article presents a multiple sequence alignment as a method used for problems of motif finding [13] in network traffic collection. Based on multisequence alignment we will present two bioinformatics approaches for finding longest common subsequence (LCS) [14] of network traffic signatures collection. the article starts from presenting the description of pairwise alignment algorithms, goes through the examples of its implementation and then comes to the part related to bioinformatics methods. At the end, some preliminary results concerning Center Star method will be presented.

4

Modele multifraktalne natężenia ruchu sieciowego z uwzględnieniem samopodobieństwa statystycznego

Jędruś S.

Telekomunikacja Cyfrowa : technologie i usługi

|

2001/2002

|

T. 4

10--22

PL

Artykuł prezentuje podstawy charakteryzacji strumieni natężenia ruchu z wykorzystaniem analizy samopodobieństwa oraz analizy multifraktalnej, ilustrowane przykładem obliczeń przeprowadzonych na podstawie obserwacji strumienia TCP. W prezentowanym przykładzie wykazano występowanie własności multifraktalnych analizowanego strumienia. W dalszej części zaprezentowano nowe teoretyczne rezultaty związane z konstrukcją modeli multifraktalnych dla procesów stochastycznych o zależnościach długoterminowych i własnościach multifraktalnych.

EN

The basics of traffic streams intensity characteristics using self-similarity and multifractal analysis illustrated by examples based on TCP stream observation are presented in this article. The multifractal properties of the analyzed stream are proved in presented example. The new theoretical results connected with multifractal models design for long-time and multifractal properties of stochastic processes are presented as well.