پیش بینی ترافیک آینده (مقاله رایگان pdf)

چکیده  
            تخمین و پیش بینی حجم ترافیک شبکه موضوع تحقیقاتی مهمی است که توجه مداوم انجمن شبکه و انجمن یادگیری ماشین را جلب کرده است. اگر چه کار زیادی بر روی تخمین و پیش بینی ماتریس ترافیک با استفاده از مدل های سری زمانی، تجزیه ماتریس با رنک پایین وجود دارد، بر اساس آنچه ما و همکاران می دانیم کارهای کمی برای بررسی این مسئله که آیا ما می توانیم حجم شبکه مبتنی بر برخی آمارگان (آماره های) های ترافیک که جمع آوری آنها، کم هزینه تر هستند مانند جریان شمارش flow count ، تخمین زده یا پیش بینی کنیم. در این مقاله، مدلی برای ارتباط بین حجم ترافیک و آمارگان (آماره های) های ساده  مانند جریان flows با استفاده مدل پنهان مارکف پیشنهاد می دهیم که بر اساس آن می توانیم از اندازه گیری مستقیم حجم داده اجتناب کنیم اما در عوض حجم ترافیک پنهان شده مبتنی بر آن آمارگان (آماره های) ساده جریان flow که به وسیله برخی تکنیک‌های طراحی جمع آوری شده اند، تخمین زده و پیش بینی کنیم. سادگی و تاثیرگذاری روش پیشنهادی را با استفاده از تعدادی شبه شبیه سازی و نتایج تجربی حاصل از داده واقعی نشان می دهیم.

حمله حفره خاکستری (مقاله رایگان pdf)

چکیده
          شبکه ادهاک سیار (MANET) به عنوان دسته ای از شبکه های بی سیم تعریف می شود که قادر به عملیات بدون هرگونه زیرساخت ثابت شده است. فرضیه ی اصلی در نظر گرفته شده در این شبکه این است که همه ی گره ها، گره هایی مورد اطمینان هستند، اما در سناریوی واقعی، برخی گره ها می توانند مخرب باشند و از این رو می توانند بسته های داده را به جای انتقال به گره مقصد، به صورت انتخابی کنار بگذارند. این گره های مخرب در طول مرحله ی شناسایی مسیر عادی رفتار می کنند و بعد از آن بخشی از بسته های داده ی مسیر دهی شده از میان آنها را کنار می گذارند. چنین نوعی از حمله به عنوان حمله ی حفره ی خاکستری هوشمند شناخته می شود که نوعی موارد متوالی تشکیل دهنده ی حمله ی حفره ی خاکستری است. در این مقاله، حمله ی حفره ی خاکستری را اجرا و برای کاهش اثر آن مکانیزمی جدید مطرح کرده ایم. مکانیزم کاهش حمله ی حفره ی خاکستری (MGAM) چندین گره خاص که گره های G-IDS (سیستم شناسایی نفوذ حفره ی خاکستری) نامیده می شوند را استفاده می کند. گره های G-IDS برای شناسایی و جلوگیری از حمله ی حفره ی خاکستری در MANET به کار برده می شوند. گره های G-IDS  انتقال گره های همسایگی خود را استراق سمع کرده و در زمانی که شناسایی می کند که گره، بسته های داده را کنار می گذارد، پیام هشدار را در شبکه مخابره می کند تا شبکه را درمورد هویت گره مخرب آگاه کند. لازم به ذکر است که کنار گذاری بسته های داده در گره، بزرگتر از مقدار آستانه است. سپس گره مخرب شناسایی شده بوسیله ی کنار گذاری بسته ی درخواست و پاسخ از مشارکت های بعدی اش منع می شود. شبیه ساز NS-2.35به منظور اعتبار سنجی کارآمدی مکانیزم پیشنهادی ما، استفاده می شود. نتایج شبیه سازی نشان می دهد که مکانیزم پیشنهادی در مقایسه با طرح حمله ی حفره ی خاکستری هوشمند موجود نسبتا خوب عمل می کند.

سیستم مدیریت شبکه (مقاله رایگان pdf)

چکیده
         انتقال های اطلاعات علمی حجیم اغلب با سرعت های بالایی انجام می شوند که این خود باعث نوسان افزایش یافته در ترافیک اینترنت می شود. به منظور محدود کردن اثرات مضر این چنین جریان های حجیم با سرعت بالا، که به آنها جریان های α گفته می شود، برروی جریان های ویدیو/صوت حساس به تاخیر، یک سیستم مدیریت شبکه به نام سیستم مهندسی ترافیک جریان آلفا (AFTES)  برای مهندسی ترافیک درون قلمرو پیشنهاد شده است. یک روش آفلاین استفاده شده است که در آن AFTES  رکورد های نت فلو جمع آوری شده توسط روترها را آنالیز می کند، پیشوندهای آدرس منبع-مقصد را استخراج می کند، و از این پیشوندهای برای پیکربندی فیلترهای فایروال در روترهای ورودی شبکه یک ارائه دهنده استفاده می کند تا جریان های α آینده را به مسیرهای طراحی شده ترافیکی و صف های مجزا را دوباره هدایت می کند. سودمندی این طرح از طریق آنالیز هفت ماه از اطلاعات نت فلو بدست آمده از یک روتر شبکه علوم انرژی (Esnet)  ارزیابی شده بود.  درمورد این مجموعه اطلاعات، 91% از بایت های تولید شده توسط جریان های α در طول بازه های با سرعت بالا ممکن بود هدایت شوند اگر که AFTES بکارگرفته شده بود. همچنین، جنبه منفی استفاده پیشوندهای آدرس در فیلترهای فایروال، یعنی، هدایت دوباره جریان های β به صف ها / مسیرهای جریان α،بصورت کمی درآمده بودند .

مدیریت مهلت صف (مقاله رایگان pdf)

چکیده

            خصوصیات OpenFlow فعلی قادر به تنظیم نرخ سرویس صفها درون دستگاههای OpenFlow نیست. این کمبود اجازه نمی دهد اکثر الگوریتم ها برای رضایت از الزامات کیفیت خدمات به جریانهای جدید و پایدار اعمال شود. در این مقاله ما راه حل دیگری را پیشنهاد می کنیم که از طریق تعدادی اصلاحات روی Beacon، یکی از کنترل کننده های محبوب SDN، اجرا می شود. این کار به شرح زیر است: با استفاده از آمار تقریبا در زمان واقعی از دستگاه های OpenFlow، Beacon مسیرهای مجازی را در صف های مختلف به منظور تضمین نقاط ضعف مهلت مجاز (برای مثال، جریان هنوز مفید است اگر و تنها اگر به طور کامل توسط یک زمان معین دریافت می شود) و / یا متعادل کننده صف عملکرد در یک سوئیچ OpenFlow SDN. برخلاف پیشینه، ما هیچ پایه ای یا اصلاح جدیدی از استاندارد OpenFlow را پیشنهاد نمی دهیم: مکانیزم ما، اجرا شده در کنترلر، با دستگاه های OpenFlow منظم کار می کند. تغییرات ما در کنترل کننده SDN پایه ای برای طراحی یک کلاس از الگوریتم های جدید مسیر مسیریابی است که می تواند محدودیت های مهلت و متعادل سازی صف را بدون هیچ گونه اصلاح مشخصات OpenFlow و همچنین دستگاه های Open Flow تضمین کند.

زمانبندی پیوند (مقاله رایگان pdf)

2. مقدمات

            ما یک MTR WMN را همانند یک گراف جهت‌دار  G(V.E) مدل‌سازی می‌کنیم. مجموعه V شامل گره‌هایی است که با  b>1  جهت دار شده است. هر گره u دارای یک محدوده انتقال از r و b_u≥1 است. یال‌های جهت‌داری وجود دارند که گره u  و گره v را اگر در محدوده‌ی انتقال یکدیگر باشند به‌هم وصل کرده‌اند. لینکی که u و v را به هم متصل کرده با (u.v) نشان می‌دهیم. توجه داشته باشید که، در عمل، گره‌ها ممکن است طیف انتقال مختلفی داشته باشند. برای این منظور، گره مورد نیاز باید از لینک‌های ورودی و خروجی به هر یک از همسایه ‌ها اطمینان داشته باشد. این را می‌‎توان از طریق پیغام‌های سلام در فرایند کشف همسایه به دست آورد که به موجب آن گره شامل همسایگانی است که پیغام را دریافت کرده‌اند. از این رو، تابع Ft :E →R زمان اختصاص داده شده برای هر لینک است. بنابراین ft زمان انتقال مورد نیاز را  به‌منظور روبه رویی با بار ترافیک داده مدل‌سازی می‌کند. همه گره‌ها قادر به ارسال یا دریافت امواج به صورت همزمان در همه لینک‌ها هستند. هر لینک توسط یک رادیو پشتیبانی می‌شود و ما فرض می‌کنیم b_u≥|N(u)| برای هر گره است.

تلفیق داده های چند سنسور (مقاله رایگان pdf)

چکیده

           شبکه های حسگر بدن (BSNs) به عنوان یک تکنولوژی، انقلابی در بسیاری از حوزه های کاربردی در زمینه مراقبت های بهداشتی، تناسب اندام، شهر های هوشمند و بسیاری از برنامه های کاربردی اینترنت اشیاء (IoT) به وجود آورده است. اکثر سیستم های موجود در بازار فرض می کنند که یک  تک دستگاه تعداد زیادی اطلاعات کاربر را نظارت می کند. در واقعیت فناوری BSN انتقال از محیط های  اندازه گیری همزمان چندین دستگاه است. تلفیق داده ها از چندین منبع سنسور ناهمگن، به یک کار ضروری تبدیل شده است اما هنوز درک نشده است که به طور مستقیم بر عملکرد برنامه های کاربردی تاثیر می گذارد. با این وجود، به تازگی پژوهشگران شروع به توسعه راه حل های فنی برای تلفیق مؤثر داده های BSN کرده اند. به طور کلی طبق این مطالعه، جامعه در حال حاضر، فاقد بررسی جامع از تکنیک های علمی در تلفیق چند سنسور در حوزه BSN است. این مقاله، انگیزه ها و مزایای تلفیق داده های چند سنسور را روشن می کند و به ویژه در شناسایی فعالیت های فیزیکی، با هدف ارائه یک طبقه بندی سیستماتیک و چارچوب مقایسه کلی از ادبیات، با شناسایی ویژگی های متمایز و پارامترهای موثر بر انتخاب طراحی تلفیق داده ها در سطوح مختلف (داده، ویژگی و تصمیم) تمرکز می کند. این بررسی همچنین تلفیق داده ها در حوزه های شناخت احساسات و سلامت عمومی را نیز شامل می شود و جهت و چالش های مربوط به تحقیقات آینده در تلفیق چند سنسور در حوزه BSN را معرفی می کند.

شبکه های قابل برنامه ریزی (مقاله رایگان pdf)

چکیده

          به‌تازگی ایده‌ی شبکه‌های قابل برنامه‌ریزی دوباره به شتاب قابل توجهی با توجه به ظهور شبکه‌ی تعریف شده با نرم‌افزار (SDN) رسیده است. SDN، اغلب به‌عنوان یک "ایده‌ی اصلی و جدید در شبکه"، به‌طور چشمگیری موجب تسهیل مدیریت شبکه و نوآوری فعال از طریق برنامه‌ریزی شبکه شده است. بررسی مقاله در شبکه‌های قابل برنامه‌ریزی با تاکید در SDN بوده است. یک چشم‌انداز تاریخی از برنامه‌ریزی شبکه‌ از ایده‌های اولیه به تحولات اخیر ارائه شده است‌. سپس به‌طور خاص معماری SDN و استاندارد OpenFlow، در مورد جایگزین‌های فعلی برای پیاده‌سازی و تست پروتکل‌ها و سرویس‌های مبتنی بر SDN، بررسی برنامه‌های کاربردی آینده‌ی  SDN، اکتشاف و تحقیقات براساس SDN بحث و بررسی شده است. 

معماری SDN (مقاله رایگان pdf)

چکیده

          بنا به حجم ترافیک خدمات متنوع و کمبود طیف، مفهوم ابر شبکه و رادیو شناختی می‌تواند ویژگی‌های جدیدی در نسل بعدی تلفن‌های همراه و شبکه‌های دسترسی بی‌سیم ایجاد کند. به‌عنوان‌مثال، برای استقرار femtocells LTE و شبکه‌های Wi-Fi در فضاهای سفید تلویزیون راه‌های جدیدی برای تخلیه‌ی ترافیک فراهم می‌کند که قادر به اشتراک‌گذاری طیف به‌عنوان یک شبکه‌ی رادیویی شناختی است. در این مقاله، ما یک نمونه‌ی اولیه از شبکه با تعریف معماری نرم‌افزار و پروتکل OpenFlow برای به‌اشتراک‌گذاری ناهمگن طیف شبکه در فضای سفید تلویزیون ارائه می‌کنیم. سپس، معماری کنترلر برای رادیو شناختی و زیرساخت‌ معماری OpenFlow را مورد تجزیه‌وتحلیل قرار می‌دهیم. ما یک نمونه‌ی اولیه از نرم‌افزار با تعریف شبکه‌های رادیو شناختی با کنترلر SDN و شبیه‌ساز شبکه LTE / Wi-Fi پیاده‌سازی می‌کنیم. برخی از توابع کنترل ضروری از رادیو شناختی اجرا می‌شوند و حالات بالقوه جدید بر اساس شبکه‌های رادیو شناختی داده می‌شود.

شبکه های توزیع ‌شده (مقاله رایگان pdf)

چکیده

            این مقاله روشی جدید را برای تسریع تلاش مجدد برای تطبیق حد به منظور کنترل تأخیر/اعوجاج در شبکه‌های توزیع‌شده IEEE 802.11 e ارائه می‌دهد. این روش هر منبعی را در مخابره مرتبط باهر ویدئو سازگار کرده و تأخیر موجود در این زمینه را بدون در نظر گرفتن اطلاعات تأخیر/اعوجاج به حداقل می‌رساند. چارچوب پیشنهادی ساده است، اما ارزیابی دقیقی در اطلاعات آماری شبکه و اعوجاج به وجود آمده در اثر گم شده بسته‌ها دارد. علاوه بر این، با توجه به اغلب راه‌حل‌های موجود، استراتژی پیشنهادی در برابر سایر راه‌کارها، در بهبود قابلیت اطمینان سازگاری سریع محدودیت رتبه‌ی بالاتری در مقایسه با رقیبان دارد. راه‌کار ارائه‌شده توسط یک پلتفرم شبیه‌سازی شامل زنجیره ارتباطات فیزیکی و لایه کنترل دسترسی متوسط 802.11e ارزیابی شده است و کارایی آن با سایر راه‌کارهای موجود و نظریه‌های مطلوب بهینه مقایسه شده است.

شبکه های چند هاپی (مقاله رایگان pdf)

چکیده 

        مدلسازی حرکت  وابسته به سناریو و واقع بینانه برای ارزیابی عملکرد مورد اعتماد شبکه‌های چند هابی  بسیار مهم است. در دهه گذشته، تعداد قابل توجهی از مدل‌های حرکت ترکیبی پیشنهاد شدند. به هر حال، تنها چند مورد از این مدل‌ها توسط ‌ردیابی ‌های حرکت واقع بینانه اعتبارسنجی شدند. در چند سال گذشته، چند مورد از این ‌ردیابی‌ها جمع آوری شدند، تحلیل شدند و در دسترس قرار گرفتند. این مقاله یک بررسی جامع و به روز از (1) ردیابی‌های حرکت در دسترس، (2) مدلسازی/تحلیل این ‌ردیابی‌ها، و (3) مدل‌های حرکتی ترکیبی ارائه می‌دهد. تمرکز این مقاله بر مدل‌ها/ ‌ردیابی حرکت است که شامل اطلاعات مربوط به موقعیت است. سهم این مقاله خلاصه کردن پژوهش‌هایی است که در عرصه مدلسازی حرکت در چند سال گذشته انجام شده است و چالش‌های کارهای آینده را بیان می‌کند.