Стр. 19 - А.М. Андреев, С.В. Усовик - Модель трафика корпоративной телекоммуникационной сети с пакетной коммутацией в задаче кластеризации при условии ограниченного наблюдения
Упрощенная HTML-версия
ритмы и методы обнаружения момента смены состояний случайного
процесса, а также обнаружения момента времени скачкообразного из-
менения состояния случайного процесса. В этих алгоритмах предло-
женная модель применима для определения изменяемых структурных
параметров при скачкообразном изменении свойств случайного про-
цесса. В алгоритмах [17, 20] ищется момент изменения параметров
{
A, θ
i
, i
}
. Эти параметры могут использоваться для получения этало-
нов в процессе обучения алгоритмов, предложенных в [17].
Таким образом, предложена новая модель трафика корпоративной
телекоммуникационной сети с пакетной коммутацией, обладающая
преимуществом перед существующими моделями и находящая приме-
нение в существующих алгоритмах кластеризации и идентификации
трафика, а также алгоритмах статистического разделения (демульти-
плексирования).
СПИСОК ЛИТЕРАТУРЫ
1. D i a n o t t i A., P e s c a p e A., R o s s i P. S., P a l m i e r i F., Ve n t r e G.
Internet traffic modeling by means of hidden Markov models / Computer Networks
52(2008), 2645–2662.
2. W r i g h t C., M o n r o s e F., M a s s o n G.: HMM profiles for network traffic
classification (extended abstract) // Proc. of Workshop on Visualization and Data
Mining for Computer Security (VizSEC/DMSEC), Fairfax, VA, USA (2004), 9–15.
3. D a i n o t t i A., de D o n a t o W., P e s c a p `e A., R o s s i P. S.: Classification
of network traffic via packet-level hidden Markov models // Proc. of IEEE Global
Telecommunications Conference (GLOBECOM) 2008, New Orleans, LA, USA
(2008).
4. M a h B. A. An empirical model of HTTP network traffic // INFOCOM’97. – Vol. 2.
– P. 592–600, Apr. 1997.
5. Б р о н ш т е й н И. Н., С е м е н д я е в К. А. Справочник по математике для
инженеров и учащихся втузов. – М.: Наука, 1986. – 544 с.
6. О в ч а р о в Л. А. Прикладные задачи теории массового обслуживания. – М.:
Машиностроение, 1969. – 324 с.
7. К л е й н р о к Л. Теория массового обслуживания / Пер. с англ. И.И. Грушко;
Под ред. В.И. Нейман. – М.: Машиностроение, 1979. – 432 с.
8. Z u c c h i n i W. and M a c D o n a l d I. L. Hidden Markov models for time series:
An introduction using R. Chapman & Hall (CRC Press), 2009.
9. M a c D o n a l d I. L. and Z u c c h i n i W. Hidden Markov and other models for
discrete-valued time series // London: Chapman and Hall, 1997.
10. Ш е л у х и н О. И., Т е н я к и ш е в А. М., О с и н А. В. Фрактальные про-
цессы в телекоммуникациях. Монография / Под ред. О.И. Шелухина. – М.: Ра-
диотехника, 2003. – 480 с.
11. Ф е д е р Е. Фракталы: Пер. с англ. – М.: Мир, 1991. – 254 с.
12. L a n e T. Hidden Markov models for human/computer interface modeling // Proc.
of the IJCAI-99 Workshop on Learning about Users, pp. 35–44. International Joint
Conferences on Artifficial Intelligence, August 1999.
13. C r o t t i M., D u s i M., G r i n g o l i F., S a l g a r e l l i L. Traffic clas-
sification through Simple statistical fingerprinting / ACM SIGCOMM Computer
Communication Review. Vol. 37. No. 1, January 2007.
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2012
151
