論文の概要: New Phenomena in Large-Scale Internet Traffic
- arxiv url: http://arxiv.org/abs/2201.06096v1
- Date: Sun, 16 Jan 2022 17:30:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-01 00:45:31.904423
- Title: New Phenomena in Large-Scale Internet Traffic
- Title（参考訳）: 大規模インターネットトラフィックにおける新しい現象
- Authors: Jeremy Kepner, Kenjiro Cho, KC Claffy, Vijay Gadepally, Sarah McGuire,
Lauren Milechin, William Arcand, David Bestor, William Bergeron, Chansup
Byun, Matthew Hubbell, Michael Houle, Michael Jones, Andrew Prout, Albert
Reuther, Antonio Rosa, Siddharth Samsi, Charles Yee, Peter Michaleas
- Abstract要約: 我々のチームは、インターネット上で利用可能な最大規模のトラフィックデータセットを収集し、キュレートします。
MIT SuperCloudで1万のプロセッサを使って500億のパケットを分析したところ、新しい現象が明らかになった。
- 参考スコア（独自算出の注目度）: 10.65650933460576
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Internet is transforming our society, necessitating a quantitative
understanding of Internet traffic. Our team collects and curates the largest
publicly available Internet traffic data sets. An analysis of 50 billion
packets using 10,000 processors in the MIT SuperCloud reveals a new phenomenon:
the importance of otherwise unseen leaf nodes and isolated links in Internet
traffic. Our analysis further shows that a two-parameter modified
Zipf-Mandelbrot distribution accurately describes a wide variety of
source/destination statistics on moving sample windows ranging from 100{,}000
to 100{,}000{,}000 packets over collections that span years and continents. The
measured model parameters distinguish different network streams, and the model
leaf parameter strongly correlates with the fraction of the traffic in
different underlying network topologies.
- Abstract（参考訳）: インターネットは私たちの社会を変え、インターネットトラフィックの定量的理解を必要としています。
私たちのチームは、最大のインターネットトラフィックデータセットを収集し、キュレーションします。
mitのスーパークラウドで、500億個のパケットを1万個のプロセッサで分析した結果、新たな現象が明らかになった。
さらに,100{,000から100{,}000{,}000{,}000のパケットを年次および大陸に分散したコレクション上で移動させる場合,Zipf-Mandelbrot分布の2パラメータ修正により,サンプルウィンドウを移動させる際のソース/デスティネーション統計値が正確に記述されることを示した。
測定したモデルパラメータは、異なるネットワークストリームを識別し、モデルリーフパラメータは、異なる基盤ネットワークトポロジにおけるトラフィックの割合と強く相関する。
関連論文リスト
- Traffic Prediction considering Multiple Levels of Spatial-temporal Information: A Multi-scale Graph Wavelet-based Approach [3.343804744266258]
本研究では,複雑な交通ネットワークにおける交通状態を予測するためのグラフウェーブレット時間畳み込みネットワーク(MSGWTCN)を提案する。
シアトルのハイウェイネットワークやニューヨーク市マンハッタンの高密度道路ネットワークなど、モデルのパフォーマンスを調べるために、2つの実世界のデータセットが使用されている。
論文 参考訳（メタデータ） (2024-06-18T20:05:47Z) - Lens: A Foundation Model for Network Traffic [19.3652490585798]
Lensは、T5アーキテクチャを活用して、大規模な未ラベルデータから事前訓練された表現を学習するネットワークトラフィックの基礎モデルである。
Masked Span Prediction(MSP)、Packet Order Prediction(POP)、Homologous Traffic Prediction(HTP)の3つの異なるタスクを組み合わせた新しい損失を設計する。
論文 参考訳（メタデータ） (2024-02-06T02:45:13Z) - RouteNet-Fermi: Network Modeling with Graph Neural Networks [7.227467283378366]
我々は、キューイング理論と同じ目標を共有するカスタムグラフニューラルネットワーク(GNN)モデルであるRouteNet-Fermiを紹介する。
提案モデルでは,ネットワークの遅延,ジッタ,パケット損失を正確に予測する。
実験の結果,RouteNet-Fermi はパケットレベルシミュレータと同様の精度でパケットレベルシミュレータを実現することがわかった。
論文 参考訳（メタデータ） (2022-12-22T23:02:40Z) - On Optimizing the Communication of Model Parallelism [74.15423270435949]
大規模モデル並列ディープラーニング(DL)における新しい重要なコミュニケーションパターンについて検討する。
クロスメッシュリシャーディングでは、シャードテンソルをソースデバイスメッシュから宛先デバイスメッシュに送信する必要がある。
本稿では、効率的な放送ベースの通信システムと「重複しやすい」パイプラインスケジュールという、クロスメシュ・リシャーディングに対処するための2つのコントリビューションを提案する。
論文 参考訳（メタデータ） (2022-11-10T03:56:48Z) - Multi-view Multi-label Anomaly Network Traffic Classification based on
MLP-Mixer Neural Network [55.21501819988941]
畳み込みニューラルネットワーク(CNN)に基づく既存のネットワークトラフィック分類は、グローバルな情報関連を無視しながら、トラフィックデータの局所的なパターンを強調することが多い。
本稿では,エンドツーエンドのネットワークトラフィック分類手法を提案する。
論文 参考訳（メタデータ） (2022-10-30T01:52:05Z) - Dynamic Graph Message Passing Networks for Visual Recognition [112.49513303433606]
長距離依存のモデリングは、コンピュータビジョンにおけるシーン理解タスクに不可欠である。
完全連結グラフはそのようなモデリングには有益であるが、計算オーバーヘッドは禁じられている。
本稿では,計算複雑性を大幅に低減する動的グラフメッセージパッシングネットワークを提案する。
論文 参考訳（メタデータ） (2022-09-20T14:41:37Z) - Large-Scale Traffic Congestion Prediction based on Multimodal Fusion and
Representation Mapping [5.893431681364435]
渋滞要因を分析して交通渋滞を判断する上で最も重要な課題の一つである。
交通渋滞を予測するため、従来型および機械学習ベースのモデルが導入されている。
本稿では,畳み込みニューラルネットワークに基づく新しいエンドツーエンドフレームワークを提案する。
論文 参考訳（メタデータ） (2022-08-23T16:07:28Z) - Learning Prototype-oriented Set Representations for Meta-Learning [85.19407183975802]
集合構造データから学ぶことは、近年注目を集めている根本的な問題である。
本稿では,既存の要約ネットワークを改善するための新しい最適輸送方式を提案する。
さらに、少数ショット分類と暗黙的メタ生成モデリングの事例にインスタンス化する。
論文 参考訳（メタデータ） (2021-10-18T09:49:05Z) - Multilayer Networks for Text Analysis with Multiple Data Types [0.21108097398435335]
本稿では,マルチレイヤネットワークとブロックモデルに基づく新しいフレームワークを提案する。
複数の種類の情報を考慮すると、トピックやドキュメントクラスタに関するより微妙なビューが得られます。
論文 参考訳（メタデータ） (2021-06-30T05:47:39Z) - Optimal transport in multilayer networks [68.8204255655161]
本稿では,各層上の最適フローが,コストの最小化に寄与するモデルを提案する。
アプリケーションとして,各層が異なる輸送システムに関連付けられている交通ネットワークを考察する。
この結果の例をボルドー市とバスと路面電車の2層ネットワークで示し、ある状況下では路面電車網の存在が道路網の交通を著しく覆い隠している。
論文 参考訳（メタデータ） (2021-06-14T07:33:09Z) - Radflow: A Recurrent, Aggregated, and Decomposable Model for Networks of
Time Series [77.47313102926017]
Radflowは、お互いに影響を与える時系列ネットワークの新しいモデルである。
それは3つの重要なアイデアを具現化します:時間に依存するノード埋め込み、マルチヘッドの注意を持つ隣接するノードからの影響の流れの集約、および時系列の多層分解を得るための繰り返しニューラルネットワーク。
radflowは異なる傾向や季節パターンを学習でき、欠落したノードやエッジに対して頑健であり、ネットワークの隣人間の時間パターンの相関は影響強度を反映している。
論文 参考訳（メタデータ） (2021-02-15T00:57:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。