توصيف وتوقع حركة مرور التطبيقات المحمولة باستخدام نمذجة ماركوف

يعد نمذجة حركة مرور الشبكة جهدًا يتم تنفيذه بنشاط منذ بدايات الاتصالات الرقمية، لدعم عدد من التطبيقات العملية، التي تتراوح من تخطيط الشبكة وتوفيرها إلى الأمان. وبناءً على ذلك، تم اقتراح العديد من المناهج النظرية والتجريبية في هذا البحث طويل الأمد، لا سيما تلك التي تتعلق بتعلم الآلة (ML). في الواقع، فإن الاهتمام الأخير من بائعي معدات الشبكة يتزايد حول تقييم أساليب النمذجة النظرية المعلوماتية القوية التي تكمل أساليب تعلم الآلة، وخاصة المطبقة على ملفات حركة المرور الجديدة الناتجة عن الانتشار الضخم للتطبيقات المحمولة. لتلبية هذه الاحتياجات، نقوم بتحليل حركة مرور التطبيقات المحمولة المتاحة في مجموعة البيانات العامة MIRAGE-2019 من خلال اعتماد نهجين نمذجيين مرتبطين استنادًا إلى مجموعة الأدوات المنهجية المعروفة لنماذج ماركوف (وهي، سلاسل ماركوف ونماذج ماركوف المخفية). نقترح خوارزمية جديدة لإعادة بناء رسائل الطبقة التطبيقية في الحالة الشائعة لحركة المرور المشفرة. نناقش ونقيّم تجريبيًا ملاءمة النهجين النمذجيين المقدمين لمهام مختلفة: توصيف حركة مرور الشبكة (بدرجات دقة مختلفة، مثل التطبيق، فئة التطبيق، وإصدار التطبيق) وتوقع حركة مرور الشبكة على كل من مستوى الحزمة والرسالة. نقارن أيضًا النتائج مع عدة نهج لتعلم الآلة، موضحين أداءً قابلًا للمقارنة مع متنبئ متقدم في تعلم الآلة (منحدر الغابة العشوائية). أيضًا، من خلال هذا العمل، نقدم مجموعة أدوات تحليل حركة مرور قابلة للتطبيق ومبنية على أساس نظري سليم للمساعدة في تحسين تقييم تعلم الآلة (وربما تصميمه)، وقاعدة خط أساسية منطقية وقابلة للتفسير.