Прогнозування мережевого трафіку на основі методу канонічного розкладання випадкового процесу

Автор(и)

  • Vitalii Savchenko Навчально-науковий інститут захисту інформації Державний університет телекомунікацій вул. Солом’янська, 7, м. Київ, Україна, 03110, Україна https://orcid.org/0000-0002-3014-131X
  • Oleksander Matsko Інститут оперативного забезпечення та логістики Національний університет оборони України імені Івана Черняховського пр. Повітрофлотський, 28, м. Київ, Україна, 03049, Україна https://orcid.org/0000-0003-3415-3358
  • Oleh Vorobiov Інститут оперативного забезпечення та логістики Національний університет оборони України імені Івана Черняховського пр. Повітрофлотський, 28, м. Київ, Україна, 03049, Україна https://orcid.org/0000-0001-5362-1976
  • Yaroslav Kizyak Інститут оперативного забезпечення та логістики Національний університет оборони України імені Івана Черняховського пр. Повітрофлотський, 28, м. Київ, Україна, 03049, Україна https://orcid.org/0000-0002-5489-6100
  • Larysa Kriuchkova Навчально-науковий інститут захисту інформації Державний університет телекомунікацій вул. Солом’янська, 7, м. Київ, Україна, 03110, Україна https://orcid.org/0000-0002-8509-6659
  • Yurii Tikhonov Навчально-науковий інститут захисту інформації Державний університет телекомунікацій вул. Солом’янська, 7, м. Київ, Україна, 03110, Україна https://orcid.org/0000-0002-5355-7780
  • Andrei Kotenko Навчально-науковий інститут захисту інформації Державний університет телекомунікацій вул. Солом’янська, 7, м. Київ, Україна, 03110, Україна https://orcid.org/0000-0002-0483-6353

DOI:

https://doi.org/10.15587/1729-4061.2018.131471

Ключові слова:

мережевий трафік, прогнозуючий контроль, випадковий процес, канонічне розкладання випадкового процесу

Анотація

Досліджується проблема прогнозування мережевого трафіку у мережах ТСР/ІР на основі статистичних даних спостережень. Визначено, що існуючі протоколи (SNMP, RMON) не передбачають довготривалого прогнозування, яке є необхідним для модернізації мережі. Регресійні методи (AR, ARMA, ARIMA, SARIMA), які лежать в основі протоколів, використовують лише послідовність значень прогнозованого ряду, що унеможливлює довгострокове прогнозування. Зроблено висновок про відсутність універсального ефективного методу прогнозування часових послідовностей, якими описується трафік комп’ютерної мережі.

Розроблено модель прогнозу мережевого трафіку з урахуванням особливостей накопичення статистичних даних: наявності апріорних траєкторій, апостеріорного характеру прогнозування, скінченності дисперсії. Застосовується апарат канонічного розкладання випадкового процесу з урахуванням неоднорідності трафіку. Розроблено математичний апарат вирішення задачі екстраполяції реалізації, одержано вирази для оцінки похибки екстраполяції, вирази для відтворення апостеріорного випадкового процесу на основі моделювання. Враховуються похибки апріорних вимірювань, що дозволяє застосовувати зазначену модель у мережах при мінімумі діагностичних даних. Забезпечується точне визначення параметрів випадкового процесу у точках контролю та мінімум середнього квадрата похибки наближення у проміжках між цими точками.

Застосування запропонованої методики на основі канонічного подання випадкових процесів забезпечує вирішення задачі довгострокового прогнозування мережевого трафіку. Порівняльний аналіз методів прогнозування свідчить про наближення методу канонічного розкладання випадкового процесу до інтелектуальних методів прогнозування

Біографії авторів

Vitalii Savchenko, Навчально-науковий інститут захисту інформації Державний університет телекомунікацій вул. Солом’янська, 7, м. Київ, Україна, 03110

Доктор технічних наук, старший науковий співробітник

Кафедра систем інформаційного та кібернетичного захисту

Oleksander Matsko, Інститут оперативного забезпечення та логістики Національний університет оборони України імені Івана Черняховського пр. Повітрофлотський, 28, м. Київ, Україна, 03049

Кандидат військових наук, доцент

Oleh Vorobiov, Інститут оперативного забезпечення та логістики Національний університет оборони України імені Івана Черняховського пр. Повітрофлотський, 28, м. Київ, Україна, 03049

Доктор технічних наук, професор

Кафедра тилового забезпечення

Yaroslav Kizyak, Інститут оперативного забезпечення та логістики Національний університет оборони України імені Івана Черняховського пр. Повітрофлотський, 28, м. Київ, Україна, 03049

Кандидат військових наук

Науково-дослідна лабораторія

Larysa Kriuchkova, Навчально-науковий інститут захисту інформації Державний університет телекомунікацій вул. Солом’янська, 7, м. Київ, Україна, 03110

Доктор технічних наук, доцент

Кафедра систем інформаційного та кібернетичного захисту

Yurii Tikhonov, Навчально-науковий інститут захисту інформації Державний університет телекомунікацій вул. Солом’янська, 7, м. Київ, Україна, 03110

Кандидат технічних наук, доцент

Кафедра систем інформаційного та кібернетичного захисту

Andrei Kotenko, Навчально-науковий інститут захисту інформації Державний університет телекомунікацій вул. Солом’янська, 7, м. Київ, Україна, 03110

Кандидат технічних наук

Кафедра систем інформаційного та кібернетичного захисту

Посилання

  1. Khalimonenko, A., Kupreev, О., Ilganaev, K. DDoS attacks in Q4 2017. Securelist-2018. Available at: https://securelist.com/ddos-attacks-in-q4-2017/83729
  2. Prasad, K. M., Reddy, A. R. M., Rao, K. V. (2014). DoS and DDoS Attacks: Defense, Detection and Traceback Mechanisms ‒ a Survey. Global Journal of Computer Science and Technology: E Network, Web & Security, 14 (7), 14‒32.
  3. Kandananond, K. (2012). A Comparison of Various Forecasting Methods for Autocorrelated Time Series. International Journal of Engineering Business Management, 4, 4. doi: 10.5772/51088
  4. Montgomery, D., Jennings, C. L., Kulahci, M. (2015). Introduction to Time Series Analysis and Forecasting. John Wiley & Sons, 671.
  5. Taieb, S. B., Hyndman, R. (2014). Boosting Multi-Step Autoregressive Forecasts. Proceedings of the 31st International Conference on Machine Learning, PMLR, 32 (1), 109‒117.
  6. Dias, G. F., Kapetanios, G. (2014). Estimation and Forecasting in Vector Autoregressive Moving Average Models for Rich Datasets. CREATES Research Paper No. 2014-37, 102.
  7. Neusser, K. (2016). Autoregressive Moving-Average Models. Time Series Econometrics, 25–44. doi: 10.1007/978-3-319-32862-1_2
  8. Box, G., Jenkins, G. M. et. al. (2015). Time Series Analysis: Forecasting and Control. Wiley, 712.
  9. Salamanca Céspedes, J. E., Rodríguez, Y. G., López Sarmiento, D. A. (2015). Development of an Univariate Method for Predicting Traffic Behaviour in Wireless Networks Through Statistical Models. International Journal of Engineering and Technology (IJET), 7 (1), 27‒36.
  10. Elwasify, A. I. (2015). A Combined Model between Artificial Neural Networks and ARIMA Models. International Journal of Recent Research in Commerce Economics and Management (IJRRCEM), 2 (2), 134‒140.
  11. Hidayatulloh, I., Bustoni, S. A. (2017). SARIMA-Egarch Model to Reduce Heteroscedasticity Effects in Network Traffic Forecasting. Journal of Theoretical and Applied Information Technology, 95 (3), 554‒560.
  12. Bang, D., Aitchison, L., Moran, R., Herce Castanon, S., Rafiee, B., Mahmoodi, A. et. al. (2017). Confidence matching in group decision-making. Nature Human Behaviour, 1 (6), 0117. doi: 10.1038/s41562-017-0117
  13. Atamanyuk, I., Kondratenko, Y. P., Sirenko, N. N. (2016). Forecasting Economic Indices of Agricultural Enterprises Based on Vector Polynomial Canonical Expansion of Random Sequences. Proceedings volume of 5th International Workshop on Information Technologies in Economic Research (ITER) in ICTERI. Kyiv, 458‒468.
  14. Pugachev, V. S. Probability Theory and Mathematical Statistics for Engineers. Available at: https://legyrinez.firebaseapp.com/aa122/probability-theory-and-mathematical-statistics-for-engineers-by-v-s-pugachev-b00jez1dwq.pdf
  15. Atamanyuk, I. P., Kondratenko, Yu. P. (2013). Information technology of polynomial forecast control of trouble-free operation of technical systems. System Research and Information Technologies, 1, 43–52.

##submission.downloads##

Опубліковано

2018-05-18

Як цитувати

Savchenko, V., Matsko, O., Vorobiov, O., Kizyak, Y., Kriuchkova, L., Tikhonov, Y., & Kotenko, A. (2018). Прогнозування мережевого трафіку на основі методу канонічного розкладання випадкового процесу. Eastern-European Journal of Enterprise Technologies, 3(2 (93), 33–41. https://doi.org/10.15587/1729-4061.2018.131471

Номер

Том 3 № 2 (93) (2018): Інформаційні технології. Системи управління в промисловості

Розділ

Інформаційні технології

Ліцензія

Авторське право (c) 2018 Vitalii Savchenko, Oleksander Matsko, Oleh Vorobiov, Yaroslav Kizyak, Larysa Kriuchkova, Yurii Tikhonov, Andrei Kotenko

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.