• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

移动蜂窝网络流量的时延特征识别方法研究

魏松杰, 吴超, 罗娜, 张功萱

魏松杰, 吴超, 罗娜, 张功萱. 移动蜂窝网络流量的时延特征识别方法研究[J]. 计算机研究与发展, 2019, 56(2): 363-374. DOI: 10.7544/issn1000-1239.2019.20170501
引用本文: 魏松杰, 吴超, 罗娜, 张功萱. 移动蜂窝网络流量的时延特征识别方法研究[J]. 计算机研究与发展, 2019, 56(2): 363-374. DOI: 10.7544/issn1000-1239.2019.20170501
shu
Wei Songjie, Wu Chao, Luo Na, Zhang Gongxuan. Traffic Latency Characterization and Fingerprinting in Mobile Cellular Networks[J]. Journal of Computer Research and Development, 2019, 56(2): 363-374. DOI: 10.7544/issn1000-1239.2019.20170501
Citation: Wei Songjie, Wu Chao, Luo Na, Zhang Gongxuan. Traffic Latency Characterization and Fingerprinting in Mobile Cellular Networks[J]. Journal of Computer Research and Development, 2019, 56(2): 363-374. DOI: 10.7544/issn1000-1239.2019.20170501
shu
魏松杰, 吴超, 罗娜, 张功萱. 移动蜂窝网络流量的时延特征识别方法研究[J]. 计算机研究与发展, 2019, 56(2): 363-374. CSTR: 32373.14.issn1000-1239.2019.20170501
引用本文: 魏松杰, 吴超, 罗娜, 张功萱. 移动蜂窝网络流量的时延特征识别方法研究[J]. 计算机研究与发展, 2019, 56(2): 363-374. CSTR: 32373.14.issn1000-1239.2019.20170501
shu
Wei Songjie, Wu Chao, Luo Na, Zhang Gongxuan. Traffic Latency Characterization and Fingerprinting in Mobile Cellular Networks[J]. Journal of Computer Research and Development, 2019, 56(2): 363-374. CSTR: 32373.14.issn1000-1239.2019.20170501
Citation: Wei Songjie, Wu Chao, Luo Na, Zhang Gongxuan. Traffic Latency Characterization and Fingerprinting in Mobile Cellular Networks[J]. Journal of Computer Research and Development, 2019, 56(2): 363-374. CSTR: 32373.14.issn1000-1239.2019.20170501
shu

移动蜂窝网络流量的时延特征识别方法研究

  • (南京理工大学计算机科学与工程学院 南京 210094) (swei@njust.edu.cn)

基金项目: 国家自然科学基金项目(61472189)；赛尔网络下一代互联网技术创新项目(NGII20160105，NGII20160601)；空中交通管理系统与技术国家重点实验室开放基金项目(SKLATM201703)
详细信息

  • 中图分类号: TP393

Traffic Latency Characterization and Fingerprinting in Mobile Cellular Networks

  • (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094)

HTML全文

    摘要
  • 摘要: Internet骨干网流量中，混合了来自于固网接入和3G/4G移动蜂窝网络接入的不同客户端流量.在不依赖于应用层信息和查看数据报内容的前提下，使用传统的流量分析方法和特征选择，难以将两者正确区分.通过对移动蜂窝网络通信链路技术和无线资源控制(radio resource control， RRC)机制导致IP数据报时延波动的分析建模，结合TCP/IP协议数据报的往返时延(round-trip time， RTT)计算，构建了6个与数据报时延相关的网络流量特征，用于有效区分通过3G/4G和固网接入的网络流量来源.这些特征能够针对不同网络节点接入互联网技术差异所带来的网络数据包时序分布特点进行描述和匹配.在此基础上，采用多种有监督的机器学习方法，搭建了基于网络流量的分类模型并进行交叉验证.实验结果表明：利用这些时延特征建立的流量描述与分类模型，能够有效区分移动蜂窝网络接入数据流量和固网接入数据流量，分类正确率达到92%以上，并具有良好的覆盖性与容错性.
    Abstract: Internet backbone traffic is a complicated mix of various data flows initiated by clients via different network connections, including 3G/4G-based mobile cellular networks and wired broadband networks. Without examining application layer meta-data or inspecting into TCP/IP packet contents, existing network traffic analysis and characterization methods struggle in differentiating traffic flows from these two types of network connections. By studying the different kinds of link layer technics and wireless radio resource control (RRC) mechanisms, the traffic temporal characteristics are analyzed and formalized based on the packet delay variance. By making use of TCP/IP packet’s round-trip time (RTT) calculation, the experiments extract six significant network traffic features related to the packet delay, and apply them to train and test machine-learning classifiers to separate 3G/4G client traffic flows from broadband connection flows. These features focus on the transmission latency caused by a client’s first-hop Internet connection, and reveal the temporal variance of packet distribution from different link flows. Experiments with realistic dataset of mobile application traffic achieve a classification precision of more than 92% with effective traffic coverage and error resilience. The proposed method surpasses other related solutions also by relying on only the temporal distribution of flow packets without needing to inspect the packet content and encapsulation.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(28)

  • 期刊类型引用(15)

    1. 叶进，谢紫琪，肖庆宇，宋玲，李晓欢. 数据中心网络中基于ELM的流簇大小推理机制. 计算机科学与探索. 2021(02): 261-269 . 百度学术
    2. 林霄，姬硕，岳胜男，孙卫强，胡卫生. 面向跨数据中心网络的节点约束存储转发调度方法. 计算机研究与发展. 2021(02): 319-337 . 本站查看
    3. 王金焱. 异构无线网络多路径流量调度算法研究. 常熟理工学院学报. 2021(02): 70-75 . 百度学术
    4. 董金良，刘小伟，李海江. 基于蚁群优化的通信网络负荷信息分散协调调度. 水电与抽水蓄能. 2021(03): 68-71 . 百度学术
    5. 韩茂玲. 复杂网络大规模数据流均衡调度方法. 成都工业学院学报. 2021(03): 38-42 . 百度学术
    6. 武自强，周建涛，赵大明，柳林. 数据中心基于服务满足度的网络流避让方法. 计算机工程与应用. 2021(19): 116-122 . 百度学术
    7. 时洋 ，文梅 ，费佳伟 ，张春元 . 一种基于DAG的网络流量调度器. 计算机研究与发展. 2021(12): 2798-2810 . 本站查看
    8. 李文信，齐恒，徐仁海，周晓波，李克秋. 数据中心网络流量调度的研究进展与趋势. 计算机学报. 2020(04): 600-617 . 百度学术
    9. 陈珂，刘亚志，王思晗. 基于流量特征的流调度策略研究综述. 计算机应用研究. 2020(10): 2889-2894 . 百度学术
    10. 郑莹，段庆洋，林利祥，游新宇，徐跃东，王新. 深度强化学习在典型网络系统中的应用综述. 无线电通信技术. 2020(06): 603-623 . 百度学术
    11. 柯文龙，王勇，叶苗，陈俊奇. Ceph云存储网络中一种业务优先级区分的多播流调度方法. 通信学报. 2020(11): 40-51 . 百度学术
    12. 李维虎，张顶山，崔慧明，周龙，朱志挺，谢挺. 数据中心网络coflow调度机制结构构建及仿真. 电子测量技术. 2019(10): 78-81 . 百度学术
    13. 康瑾，李革. 面向医院手术排程的智能规划算法研究. 信息技术. 2019(11): 37-41+45 . 百度学术
    14. 孙超. 基于模糊反馈的共享网络远程数据控制仿真. 计算机仿真. 2019(10): 409-412+438 . 百度学术
    15. 王远. 数据中心网络拥塞控制研究综述. 信息工程大学学报. 2019(06): 714-719 . 百度学术

    其他类型引用(13)

    • 资源附件(0)
计量
  • 文章访问数:  949
  • HTML全文浏览量:  1
  • PDF下载量:  421
  • 被引次数: 28
出版历程
  • 发布日期:  2019-01-31

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(28)
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计