Resumen

Los mecanismos para extraer las características del tráfico de red juegan un papel significativo en la monitorización del tráfico, ofreciendo información útil para la gestión y control de la red. En este artículo se propone un método basado en la Teoría de Matrices Aleatorias (RMT) y el Análisis de Componentes Principales (PCA) para monitorear y analizar patrones de tráfico a gran escala en Internet. Además del análisis del mayor valor propio en RMT, también se extrae información útil de los valores propios pequeños mediante un método basado en PCA. Luego se propone un enfoque apropiado para seleccionar algunos puntos de observación basados en el análisis de los valores propios. Finalmente, se realizan algunos experimentos sobre el reconocimiento de patrones de tráfico de igual a igual y la estimación del flujo agregado de la columna vertebral. Los resultados de la simulación muestran que utilizando aproximadamente el 10% de los nodos como puntos de observación, nuestro método puede monitorear y extraer información clave sobre los patrones de tráfico en Internet.

• Materias:Gestión de riesgos VAR analítico Dinámica evolutiva Conductividad dinámica Probabilidad local
• Subjects:Risk management Analytical VAR Evolutionary dynamics Dynamic conductivity Local probability
• Palabras claves:Mecanismos; Características; Tráfico de red; Monitoreo; Análisis; Teoría de matrices aleatorias; Análisis de componentes principales; Patrones de tráfico a gran escala; Internet; Valor propio; Puntos de observación; Tráfico de igual a igual; Flujo agregado de la red troncal; Estimación; Resultados de simulación; Información clave; Patrones de tráfico
• Keywords:Mechanisms; Characteristics; Network traffic; Monitoring; Analysis; Random matrix theory; Principal components analysis; Large-scale traffic patterns; Internet; Eigenvalue; Observation points; Peer-to-peer traffic; Backbone aggregate flow; Estimation; Simulation results; Key information; Traffic patterns