МОДЕЛЮВАННЯ М2М ТРАФІКУ СУЧАСНИХ МЕРЕЖ ЗВ’ЯЗК
DOI:
https://doi.org/10.18372/2310-5461.63.18947Ключові слова:
інтернет речей, 5 G, M2M трафік, мережі зв’язку, модель агрегованого трафіку, інтенсивність навантаження, ймовірність збоїв, ймовірність доставкиАнотація
Розвиток мереж зв'язку призводить до розширення їх можливостей у передачі трафіку. У зв'язку зі збільшенням обсягів оброблених та переданих даних, зокрема трафіку передавання медіафайлів, спеціалісти з обробки даних прагнуть до підвищення якості зображень шляхом постійного вдосконалення засобів і стандартів мультимедійного представлення. Важливо зазначити, що трафік передавання медіафайлів, що генерується користувачами, характеризується стабільністю та передбачуваністю, оскільки передача даних здійснюється переважно у відповідь на запити користувачів. Проте, окрім трафіку передачі медіафайлів, сучасні мережі стикаються зі зростаючим потоком даних між пристроями, переважно в рамках концепції Інтернету речей. Особливість М2М трафіку полягає в тому, що він генерується значною кількістю пристроїв, яка потенційно може бути набагато більшою, ніж кількість звичайних користувачів. Цей тип трафіку відрізняється від інших пріоритетних аспектів через те, що пристрої, які його генерують, працюють на основі стійких алгоритмів і не приділяють особливої уваги на інші фактори. Це може призвести до збільшення навантаження на мережу та створення додаткових вразливостей. У контексті цього дослідження, значна увага приділяється розробці нових технологій для ефективного управління трафіком M2M. Наприклад, стандарти мобільних мереж LTE та 5G включають механізми обслуговування та управління М2М трафіком.
У статті наведено результати аналізу трафіку M2M з використанням моделі, запропонованої 3GPP, яка була ретельно проаналізована та вдосконалена з метою покращення її моделювання. Аналітичні описи моделі та результати імітаційного моделювання дозволяють розуміти вплив М2М трафіку на якість обслуговування в мережах зв'язку. Отримані результати можуть бути використані як для моделювання трафіку М2М пристроїв, так і для визначення їх параметрів. Наприклад, вони можуть бути використані для розробки алгоритмів управління такими пристроями під час перевантажень мережі.
Посилання
Khan I., Kim K.-I. A comprehensive review of Internet of Things: Technology stack, middlewares, and fog/edge computing interface. Sensors. 2022. V. 22(3), P. 995.
Lin Y. C., Wang F. Machine learning techniques for recognizing IoT devices. 23rd International Computer Symposium. 2018. P. 673–680.
Deng L., Feng Y., Chen D., Rishe N. IoTSpot: Identifying the IoT devices using their anonymous network traffic data. 2019 IEEE Military Communications Conference. 2019. P. 1–6.
Althoubi A., Alshahrani R., Peyravi H. Delay analysis in IoT sensor networks. Sensors. 2021. V. 21(11), P. 3876.
Salman O., Elhajj I. H., Kayssi A., Chehab A. Data representation for CNN based internet traffic classification: A comparative study. Multimedia Tools and Applications. 2021. V. 80, P. 16951–16977.
Hamad S. A., Zhang W. E., Sheng Q. Z., Nepal S. IoT device identification via network-flow based fingerprinting and learning. 18th IEEE International Conference on Trust, Security and Privacy in Computing and Communications/13th IEEE International Conference on Big Data Science and Engineering (TrustCom/BigDataSE). 2019. P. 103–111.
Sivanathan A., et al. Characterizing and classifying IoT traffic in smart cities and campuses. 2017 IEEE Conference on Computer Communications Workshops (INFOCOM WKSHPS). 2017. P. 559–564.
Cheng W., Ding Z., Xu C., Wu X., Xia Y., Mao J. RAFM: A real-time auto detecting and fingerprinting method for IoT devices. Journal of Physics: Conference Series. 2020. V. 1518(1), 012043.
Hameed A., Leivadeas, A. IoT traffic multi-classification using network and statistical features in a smart environment. IEEE 25th International Workshop on Computer Aided Modeling and Design of Communication Links and Networks (CAMAD). 2020. P. 1–7.
Кармазін, В. С., Коваленко, В. А. Особливості розвитку інтернету речей у сучасному світі. Науковий вісник Полтавського університету економіки і торгівлі. 2019. № 2, С. 15-23.
Bai L., Yao L., Kanhere S. S., Wang X., Yang Z. Automatic device classification from network traffic streams of Internet of Things. In 2018 IEEE 43rd Conference on Local Computer Networks (LCN). 2018. P. 1–9.
Василенко Т. М. Дослідження моделей трафіку Інтернету речей в умовах урбанізованого середовища. Технічні науки. 2021. № 6(2), С. 45-54.
Павленко І. Г. Використання доповненої реальності в освітньому процесі: досвід і перспективи. Інформаційні технології в освіті. 2020. № 45, С. 132-141.
Aksoy A., Gunes M. H. Automated IoT device identification using network traffic. 2019 IEEE International Conference on Communications. 2019. P. 1–7.
Yu X., Liu H., Zhao J., Xiong K. ARIoT: Augmented Reality and Internet of Things in healthcare. 2020 IEEE International Conference on Consumer Electronics (ICCE). 2020. P. 1-2.
Степаненко, О. М. Аналіз концентрації трафіку у бездротових сенсорних мережах. Збірник наукових праць Українського державного університету залізничного транспорту. 2018. № 1(35), С. 112-120.
3GPP. Technical Report 37.868: Study on RAN improvements for machine-type communications. 3rd Generation Partnership Project (3GPP). 2011.
Бондаренко В.А. Аналіз біноміальних розподілів для моделювання M2M трафіку в мережах. Вісник Національного технічного університету «Харківський політехнічний інститут». 2022. № 34(2), С. 56-67.
Smith J. D. Binomial distributions in modeling network traffic. Journal of Computer Networks and Communications. 2015. V. 45(3). P. 134-145.
Johnson N. L., Kotz S., Kemp A. W. Univariate Discrete Distributions (2nd ed.). John Wiley & Sons. 1992. 582 p.
Nguyen D., Nguyen, H. Traffic concentration models in wireless sensor networks. IEEE Communications Magazine. 2018. V. 56(12), P. 158-163.
Bianchi G., Tinnirello I. Kalman-based estimation of channel holding times in IEEE 802.11e EDCA WLANs. IEEE Transactions on Wireless Communications. 2003. V. 2(2), P. 296-305.
Brown T. X., Mohan S., Frolik J. Modeling M2M traffic for IoT applications. IEEE Internet of Things Journal. 2016. V. 3(6). P. 1144-1155.
Błażewicz J., Chmieliński K., Kubiak W., Węglarz J. Traffic Modeling and Flow Theory. European Journal of Operational Research. 1996. V. 90(3). P. 459-474.
Bianchi G., Fratta L., Oliveri M. (2000). Performance evaluation and enhancement of the CSMA/CA MAC protocol for 802.11 wireless LANs. ACM SIGCOMM Computer Communication Review. 2000. V. 30(4). P. 27-38.
