В [1, 2] мы применили нелинейный анализ к измерениям информационного трафика, полученным на выходном шлюзе локальной сети среднего размера. Реалистичные величины временного сдвига и вложенной размерности обеспечили возможность применения прямоточной нейронной сети для идентификации и реконструкции лежащей в основе динамической системы. Обученная на этих данных нейронная сеть воспроизвела статистическое распределение агрегированных пакетов реальных данных, которое хорошо фитируется логнормальным распределением. Детальный анализ измерений трафика [3] показал, что такое распределение возникает в результате агрегации реальных данных. Анализ принципиальных компонент измерений трафика продемонстрировал, что уже несколько лидирующих компонент формируют фундаментальную часть сетевого трафика, в то время как остаточные компоненты играют роль небольших нерегулярных вариаций, которые могут быть интерпретированы как стохастический шум [4]. Этот результат был поддержан применением вейвлет-фильтрации и фурье-анализа как к исходным измерениям трафика, так и к отдельным принципиальным компонентам оригинальных и отфильтрованных данных [5]. Логнормальное распределение агрегированных измерений и мультипликативный характер временного ряда трафика подтверждают применимость схемы, разработанной А. Колмогоровым [6] для однородной фрагментации крупинок, также и для сетевого трафика.

PDF (1.42 Mb)