• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.04b
• /
• pp.1317-1320
• /
• 2002

네트워크에서 실시간으로 통신 트래픽의 변화량을 감시하고 시계열 분석을 이용해 변화량의 추이를 모형화한다. 트래픽의 변화량을 모형화하게 되면 트래픽에 대한 예측이 가능하게 되므로 트래픽 예측을 이용하여 성능관리를 수행할 수 있다. 본 연구에서는 실시간 트래픽을 이용한 성능관리 시스템에 대해 다룬다. 기존의 성능관리 시스템은 SNMP를 이용한 MIB-II 정보를 바탕으로 하는 분석 방법으로 이는 누적 데이터를 기본으로 하는 관리 방법으로 이상 징후의 판단이 즉각적이지 않았고 또한 모니터링을 수행하기 위해서는 통신 트래픽의 증가를 가져왔다. 대부분의 성능관리 시스템은 단순히 망에서의 트래픽이나 에러율 등을 관리자에게 보고하는 데 그치고 있어 능동적인 성능관리가 이루어지지 않는다. 따라서, 본 논문에서는 실시간 트래픽 감시를 위해 네트워크에 들어오거나 나가는 트래픽의 양을 측정하여 분석하고, 이 정보를 바탕으로 특정 시점 이후의 트래픽 추이를 모형화하여 미래의 트래픽 양을 예측하고, 예측된 정보를 바탕으로 하는 성능관리 시스템에 대해 연구한다. 예측 알고리즘으로는 시계열 분석을 통해 시계열 자료의 예측을 가능하게 하는 알고리즘으로 설계한다. 이 성능관리시스템을 바탕으로 망 관리자가 전체 통신 네트워크의 부하 상태를 예측하여 신속하게 대응을 할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.10b
• /
• pp.1323-1326
• /
• 2001

서브네트워크에서 실시간으로 통신 트래픽을 감시하고, 트래픽 정보를 바탕으로 시계열 분석을 이용해 트래픽의 변화추이를 예측할 수 있는 시스템을 설계 및 구현한다. SNMP를 이용한 MIB-II 정보를 바탕으로 하는 분석 방법은 누적 데이터를 기본으로 하는 관리 방법으로 이상 징후의 판단이 실시간 감시에는 적합하지 않은 점이 있다. 따라서, 본 논문에서는 실시간 트래픽 감시를 위해 서브네트워크에 들어오거나 나가는 트래픽의 양을 측정하여 분석하고, 이 정보를 바탕으로 특정 시점 이후의 트래픽 추이를 시계열 분석 방법을 이용하여 미래의 트래픽 양을 예측하는 알고리즘을 시스템으로 구현한다. 예측 알고리즘으로는 AR, MA, ARMA, ARIMA 모델중에 평균 제곱 오차를 최소로 가지는 알고리즘을 선택하여 예측하도록 설계한다. 개발되는 시스템을 망 관리자가 전체 통신 네트워크의 부하 상태를 예상할 수 있게 하여 신속하고 예방적인 대응을 할 수 있다.

• Journal of KIISE:Information Networking
• /
• v.32 no.4
• /
• pp.433-442
• /
• 2005

An increase In traffic has a large Influence on the performance of a total network. Therefore, traffic management has become an important issue of network management. In this paper, we propose a new routing algorithm that attempts to analyze network conditions using time series prediction models and to propose predictive optimal routing decisions. Traffic congestion is assumed when the predicting result is bigger than the permitted bandwidth. By collecting traffic in real network, the predictable model is obtained when it minimizes statistical errors. In order to predict network traffic based on time series models, we assume that models satisfy a stationary assumption. The stationary assumption can be evaluated by using ACF(Auto Correlation Function) and PACF(Partial Auto Correlation Function). We can obtain the result of these two functions when it satisfies the stationary assumption. We modify routing oaths by predicting traffic in order to avoid traffic congestion through experiments. As a result, Predicting traffic and balancing load by modifying paths allows us to avoid path congestion and increase network performance.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.95-98
• /
• 2021

최근 비정상적인 네트워크 활동 감지 및 네트워크 서비스 프로비저닝과 같은 다양한 분야에서 응용되는 네트워크 트래픽 예측 기술이 네트워크 통신 문제에 의한 트래픽의 결측 및 네트워크 유저의 불규칙한 활동에 의한 비선형 특성 때문에 발생하는 성능 저하를 극복하기 위해 딥러닝 신경망에 대한 연구가 활성화되고 있다. 이 딥러닝 신경망 중 시계열 딥러닝 신경망은 단기 네트워크 트래픽 볼륨을 예측할 때 낮은 오류율을 보인다. 하지만, 시계열 딥러닝 신경망은 기울기 소멸 및 폭발과 같은 비선형성, 다중 계절성 및 장기적 의존성 문제와 같은 한계를 보여준다. 이 논문에서는 계절성 임베딩을 고려한 주의 신경망 기반 트래픽 예측 기법을 제안한다. 제안하는 기법은 STL 분해 기법을 통해 분해된 트래픽 트랜드, 계절성, 잔차를 이용하여 일별 및 주별 계절성을 임베딩하고 이를 주의 신경망을 기반으로 향후 트래픽을 예측한다.

• Proceedings of the Korea Contents Association Conference
• /
• 2003.11a
• /
• pp.260-264
• /
• 2003

본 논문에서는 인터넷에서의 트래픽 엔지니어링 체제를 구축하기 위하여 트래픽 엔지니어링을 수행하기 위한 기능 모델을 제시하였다. 제시한 기능 모델은 트래픽 관리, 용량 관리, 그리고 네트워크 계획으로 구성된다. 트래픽 관리는 다양한 조건하에서 네트워크 성능을 최대화하는 것을 목적으로 하며, 용량 관리는 최소의 비용으로 네트워크 요구에 대한 성능 목표치를 만족시키기 위하여 네트워크가 설계되고 제공됨을 목적으로 한다. 또한 네트워크 계획은 예측된 트래픽 증가에 앞서 노드와 전송 용량이 계획되고 배치됨을 보장한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.56-59
• /
• 2020

최근 초저지연, 초고속, 초연결 네트워크를 요구하는 기술들이 급속하게 발전하고 있다. 기존 4G 네트워크는 위 요구사항을 만족할 수 없었기 때문에 5G 네트워크가 등장했다. 5G 네트워크는 네트워크 가상화 기반 네트워크 슬라이싱을 통해 각각의 서비스 마다 독립적인 네트워크 환경을 제공한다. 그러나 네트워크에 참여하는 서비스가 다양해질수록 트래픽 부하가 폭발적으로 증가할 것으로 예상되며 트래픽 부하에 따른 병목현상이 발생할 가능성이 여전히 존재한다. 본 논문에서는 인공 신경망 알고리즘 RNN을 활용하여 트래픽을 예측하고 예측 결과를 기반으로 네트워크 슬라이스의 자원을 선제적으로 조절하는 기계학습 기반 네트워크 슬라이싱 자원 예약 기법을 제안한다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.11 no.11
• /
• pp.1069-1076
• /
• 2016

Recent development in visual sensor technologies has encouraged various researches on adding imaging capabilities to sensor networks. Video data are bigger than other sensor data, so it is essential to manage the amount of image data efficiently. In this paper, a new method of video traffic estimation is proposed for efficient traffic management of visual sensor networks. In the proposed method, a first order autoregressive model is used for modeling the traffic with the consideration of the characteristics of video traffics acquired from visual sensors, and a Kalman filter algorithm is used to estimate the amount of video traffics. The proposed method is computationally simple, so it is proper to be applied to sensor nodes. It is shown by experimental results that the proposed method is simple but estimate the video traffics exactly by less than 1% of the average.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.29 no.2B
• /
• pp.217-227
• /
• 2004

With a rapid growth in the Internet technology, the network traffic is increasing swiftly. As for the increase of traffic, it had a large influence on performance of a total network. Therefore, a traffic management became an important issue of network management. In this paper, we study a forecast plan of network traffic in order to analyze network traffic and to establish efficient correspondence. We use time series forecast models and determine fitness whether the model can forecast network traffic exactly. In order to predict a model, AR, MA, ARMA, and ARIMA must be applied. The suitable model can be found that can express the nature of traffic for the forecast among these models. We determines whether it is satisfied with stationary in the assumption step of the model. The stationary can get the results by using ACF(Auto Correlation Function) and PACF(Partial Auto Correlation Function). If the result of this function cannot satisfy then the forecast model is unsuitable. Therefore, we are going to get the correct model that is to satisfy stationary assumption. So, we proposes a way to classify in order to get time series materials to satisfy stationary. The correct prediction method is managed traffic of a network with a way to be better than now. It is possible to manage traffic dynamically if it can be used.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.05a
• /
• pp.187-188
• /
• 2013

비트토렌트는 인터넷을 통해 빠르고 효율적으로 파일을 공유할 수 있는 P2P (Peer-to-Peer) 파일전송 프로토콜이다. 파일을 P2P 네트워크 상에 분산하여 저장하고 서로 다른 환경의 피어들이 각자의 필요에 따라 쉽게 네트워크를 떠날 수 있기 때문에, 비트토렌트 네트워크는 매우 복잡하고 동적인 구조를 가진다. 본 연구에서는 이러한 네트워크 구조, 특히 피어들 간의 링크생성과 분리를 예측하여 비트토렌트 파일공유 시스템의 성능을 향상시키고자 하는 방향을 제시한다. 토렌트 크롤러 비트토렌트 네트워크 모니터링 시스템을 사용해 네트워크 부하를 최소화하며 네트워크 트래픽을 분석하고, 관찰된 네트워크 트래픽 특성을 통해 링크를 예측하는 방법을 제안한다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.33 no.5B
• /
• pp.304-309
• /
• 2008

This paper propose the traffic anomaly detection scheme based time series model. We apply ARIMA prediction model to this scheme and transform the value of the abnormal symptom into the probability value to maximize the traffic anomaly symptom detection. For this, we have evaluated the abnormal detection performance for the proposed model using total traffic and web traffic included the attack traffic. We will expect to have an great effect if this scheme is included in some network based intrusion detection system.