• The Korean Journal of Applied Statistics
• /
• v.26 no.6
• /
• pp.1053-1061
• /
• 2013

In this paper, we propose the time series forecasting models for internet traffic with long memory and heteroscedasticity. To control and forecast traffic volume, we first introduce the traffic forecasting models which are determined by the volatility and heteroscedasticity of the traffic. We then analyze and predict the heteroscedasticity and the long memory properties for forecasting traffic volume. Depending on the characteristics of the traffic, Fractional ARIMA model, Fractional ARIMA-GARCH model are applied and compared with the MAPE(Mean Absolute Percentage Error) Criterion.

• Journal of Digital Convergence
• /
• v.15 no.4
• /
• pp.259-266
• /
• 2017

The massive traffic interferences in the wireless home IoT provides the reason for packet losses, and it degrades the QoS (Quality of Service) and throughput on the home network. This paper propose a new adaptive traffic interference control system, ATICS, for enhancing QoS and throughput for IoT services as detecting a traffic process and non-traffic process in the wireless home network. The proposed system control the traffic interferences as distinguishing the short-term traffic process and long-term traffic process by traffic characteristics in wireless home networks. The simulation results shows that the proposed scheme have more efficient traffic control performance than the other schemes.

• The Korean Journal of Applied Statistics
• /
• v.24 no.2
• /
• pp.307-313
• /
• 2011

In this paper, we compare performance of three models. The Holt-Winters, FARIMA and ARGARCH models, are used in predicting internet traffic data for analysis of traffic characteristics. We first introduce the time series models and apply them to real traffic data to forecast. Finally, we examine which model is the most suitable for explaining the long memory, the characteristics of the traffic material, and compare the respective prediction performance of the models.

• The Korean Journal of Applied Statistics
• /
• v.21 no.6
• /
• pp.1037-1044
• /
• 2008

In this paper, we show the performance of the power transformation GARCH(PGARCH) model to analyze the internet traffic data. The long memory property which is the typical characteristic of internet traffic data can be explained by the PGARCH model rather than the linear GARCH model. Small simulation and the analysis of the real internet traffic show the out-performance of the PARCH MODEL over the linear GARCH one.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.11b
• /
• pp.1399-1402
• /
• 2002

네트워크 기반의 응용 서비스들이 다양하게 개발되고 업무 전산화로 인한 분산 컴퓨팅 환경이 확대됨에 따라 네트워크 트래픽은 증가 일로에 있다. 특히, 많은 트래픽이 집중되는 백본망에서는 제한된 자원을 효율적으로 사용하기 위하여 효과적인 트래픽 관리 방법이 요구되고 있다. 이를 위해서는 우선적으로 네트워크 트래픽의 총 양에 의한 정량적이고 단순 평면적인 정보가 아닌 네트워크 트래픽을 정밀 분석하고 특성을 파악할 수 있는 방법이 필요하며 또한 어느 한 순간의 데이터나 일괄처리 방식에 의한 분석이 아닌 실시간으로 장기적인 트래픽 측정 및 분석이 필요하다. 본 논문은 트래픽 측정방법 및 특성과 한국전력 백본망을 대상으로 네트워크 트래픽의 발원지로부터 목적지까지의 트래픽을 플로우별로 수집, 분석학 수 있는 트래픽 측정 및 분석 시스템에 대하여 기술하였다. 본 시스템은 백본망 전체의 트래픽을 지속적이며 실시간으로 이용자별, 시간대별, 프로토콜별, 응용 서비스별로 정보 추출이 가능하며 그래픽 환경과 웹 기반의 사용자 환경을 제공한다.

• 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 Information Processing Society Conference
• /
• 2001.04a
• /
• pp.247-250
• /
• 2001

클러스터링 웹서버에서 트래픽 문제에 대한 장기적인 해결책으로, 서로 다른 종류의 트래픽들에 우선순위를 부여하고, 이에 따라 네트웍에서 트래픽을 지능적으로 조절하기 위하여 QoS 보장을 위한 목표를 설정한다. 구체적으로 CBQ 구현에 관련된 실시간 스케줄링 기법을 이용하고, 패킷크기의 최적화와 접속별 대역폭 공정배분을 통한 트래픽의 효율적인 관리를 할 수 있음을 보인다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2006.11a
• /
• pp.383-387
• /
• 2006

자기유사(self-similar)과정은 인터넷 트래픽을 보다 정확하게 분석하는데 꼭 필요한 확률과정이다. 본 연구는 계산이 간편하고 다양한 시간범위의 종속성을 반영할 수 있는 M/G/${\infty}$에 모형을 기반으로 하여 자기유사과정을 생성하는 방법을 채택하고 G를 파레토 분포로 표준화하여 적용 가능성을 다양하게 실험한다. 시뮬레이션에서 이산화를 매 단위시점으로 설정하지 않고 대기열에서의 도착, 이탈시점으로 설정하여 시뮬레이션의 속도를 높이고 보다 정확한 성능측정이 이루어지도록 시도한다.

• KNOM Review
• /
• v.24 no.2
• /
• pp.13-23
• /
• 2021

Recently, as networks become more complex due to the activation of IoT devices, research on long-term traffic prediction beyond short-term traffic prediction is being activated to predict and prepare for network congestion in advance. The recursive strategy, which reuses short-term traffic prediction results as an input, has been extended to multi-step traffic prediction, but as the steps progress, errors accumulate and cause deterioration in prediction performance. In this paper, an LSTM-based multi-step traffic prediction method using a multi-output strategy is introduced and its performance is evaluated. As a result of experiments based on actual DNS request traffic, it was confirmed that the proposed LSTM-based multiple output strategy technique can reduce MAPE of traffic prediction performance for non-stationary traffic by 6% than the recursive strategy technique.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.40 no.3
• /
• pp.541-550
• /
• 2015

The importance of efficient enterprise network management has been emphasized continuously because of the rapid utilization of Internet in a limited resource environment. For the efficient network management, the management policy that reflects the characteristics of a specific network extracted from long-term traffic analysis is essential. However, the long-term traffic data could not be handled in the past and there was only simple analysis with the shot-term traffic data. However, as the big data analytics platforms are developed, the long-term traffic data can be analyzed easily. Recently, enterprise network resource efficiency through the long-term traffic analysis is required. In this paper, we propose the methods of collecting, storing and managing the long-term enterprise traffic data. We define several classification categories, and propose a novel network resource efficiency through the multidirectional statistical analysis of classified long-term traffic. The proposed method adopted to the campus network for the evaluation. The analysis results shows that, for the efficient enterprise network management, the QoS policy must be adopted in different rules that is tuned by time, space, and the purpose.