Jitterbug: A New Framework for Jitter-Based Congestion Inference
Jitterbug: A New Framework for Jitter-Based Congestion Inference
复制标题
Jitterbug：基于抖动的拥塞推断的新框架
DOI：
10.1007/978-3-030-98785-5_7
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Claffy, K. C.
中科院分区：
文献类型：
--
作者：
Carisimo, Esteban;Mok, Ricky K.;Clark, David D.;Claffy, K. C.
我们研究了一种新的方法，使用抖动来推断网络拥塞使用的数据收集的探针在接入网络。我们发现了一组功能的抖动和抖动分散抖动衍生的时间序列，我们在本文中定义的时间序列是典型的拥塞期间。我们利用这些概念来创建一个基于抖动的拥塞推理框架，我们称之为Jitterbug。我们将Jitterbug的功能应用于广泛的交通场景，并发现Jitterbug可以正确识别经常性和一次性的拥塞事件。我们验证吉特巴推断对国家的最先进的自相关为基础的推断经常性拥塞。我们发现，这两种方法有很强的一致性，在他们的推论，但Jitterbug检测一次性的承诺，以及经常性的拥塞。我们确定了这项研究的几个未来方向，包括利用ML/AI技术来优化这种方法在操作环境中的性能和准确性。
We investigate a novel approach to the use of jitter to infer network congestion using data collected by probes in access networks. We discovered a set of features in jitter andjitter dispersion—a jitter-derived time series we define in this paper—time series that are characteristic of periods of congestion. We leverage these concepts to create a jitter-based congestion inference framework that we callJitterbug. We apply Jitterbug’s capabilities to a wide range of traffic scenarios and discover that Jitterbug can correctly identify both recurrent and one-off congestion events. We validate Jitterbug inferences against state-of-the-art autocorrelation-based inferences of recurrent congestion. We find that the two approaches have strong congruity in their inferences, but Jitterbug holds promise for detecting one-off as well as recurrent congestion. We identify several future directions for this research including leveraging ML/AI techniques to optimize performance and accuracy of this approach in operational settings.
登录
查看更多内容
bdrmap：IP 网络之间边界的推断
DOI：
10.1145/2987443.2987467
发表时间：
2016
期刊：
Proceedings of the 2016 Internet Measurement Conference
影响因子：
--
作者：
M. Luckie;A. Dhamdhere;B. Huffaker;D. Clark;K. Claffy
通讯作者：
K. Claffy
DOI：
--
发表时间：
2021
期刊：
--
影响因子：
--
作者：
Lily Davisson;Joakim Jakovleski;Nhiem Ngo;Chau Minh Pham;J. Sommers
通讯作者：
Lily Davisson;Joakim Jakovleski;Nhiem Ngo;Chau Minh Pham;J. Sommers
长相关性和截断 Levy 游走应用于拉丁美洲市场指数研究
DOI：
--
发表时间：
2005
期刊：
影响因子：
--
作者：
S. Jaroszewicz;M. C. Mariani;M. Ferraro
通讯作者：
M. Ferraro
使用无限 HMM 大规模表征和分割互联网路径延迟
影响因子：
3.9
作者：
Maxime Mouchet;Sandrine Vaton;T. Chonavel;E. Aben;Jasper den Hertog
通讯作者：
Jasper den Hertog
DOI：
10.1145/2663716.2663741
发表时间：
2014
期刊：
Proceedings of the 2014 Conference on Internet Measurement Conference
影响因子：
--
作者：
M. Luckie;A. Dhamdhere;D. Clark;B. Huffaker;K. Claffy
通讯作者：
K. Claffy