[論文レビュー] Bittorrent Network Traffic Forecasting With ARMA

Poo Kuan Hoong, Ian K. T. Tan+1 more|arXiv (Cornell University)|Aug 9, 2012

Peer-to-Peer Network Technologies参考文献 20被引用数 9

ひとこと要約

本稿では、自己回帰移動平均（ARMA）モデルを用いてBitTorrentネットワークトラフィックを予測する手法を提案し、ARMAがトラフィックパターンを効果的に捉え予測できることを示している。本研究では、ARMAモデルが実世界のBitTorrentトラフィックを正確に予測できることを示しており、ISPが帯域幅を管理し、異常を検出するのを支援する。

ABSTRACT

In recent years, there are some major changes in the way content is being distributed over the network. The content distribution techniques have recently started to embrace peer-to-peer (P2P) systems as an alternative to the traditional client-server architecture. P2P systemsthat are based on the BitTorrent protocol uses end-users' resources to provide a cost effective distribution of bandwidth intensive content to thousands of users. The BitTorrent protocol system offers a scalable mechanism for distributing a large volume of data to a set of peers over the Internet. With the growing demand for file sharing and content distribution, BitTorrent has become one of the most popular Internet applications and contributes to a signification fraction of the Internet traffic. With the wide usage of the BitTorrent protocol system, it has basically solved one of the major problems where data can be quickly transferred to a group of interested parties. The strength of the BitTorrent protocol lies in efficient bandwidth utilization for the downloading and uploading processes. However, the usage of BitTorrent protocol also causes latency for other applications in terms of network bandwidth which in turn has caused concerns for the Internet Service Providers, who strives for quality of service for all their customers. In this paper, we study the network traffic patterns of theBitTorrent network traffic and investigate its behavior by usingthe time series ARMA model. Our experimental results show that BitTorrent network traffic can be modeled and forecasted by using ARMA models. We compared and evaluated the forecasted network traffic with the real traffic patterns. This modeling can be utilized by the Internet Service Providers to manage their network bandwidth and also detect any abnormality in their network.

研究の動機と目的

• 他のアプリケーションのサービス品質に影響を及ぼす増加するBitTorrentトラフィックの管理の課題に対処すること。
• BitTorrentネットワークトラフィックの時間的挙動を調査し、予測可能なパターンを特定すること。
• 時系列解析を用いて予測モデルを開発し、能動的なネットワーク管理を支援すること。
• インターネットサービスプロバイダ（ISP）が正確な予測を基に帯域幅の割り当てを最適化し、異常トラフィックを検出できるようにすること。

提案手法

• 分析のための実世界のBitTorrentネットワークトラフィックトレースを収集する。
• 時系列解析手法を用いて、トラフィックを確率過程としてモデル化する。
• 統計的基準を用いて最適な次数（p, q）を選定することで、ARMAモデルをトラフィックデータに適合させる。
• 適合したARMAモデルを用いて、将来のネットワークトラフィックの短期予測を生成する。
• 予測値と実際の観測トラフィックを比較することで、予測精度を検証する。
• 平均二乗誤差（MSE）や平均二乗根誤差（RMSE）などの標準的指標を用いて、モデルのパフォーマンスを評価する。

実験結果

リサーチクエスチョン

• RQ1 BitTorrentネットワークトラフィックは、ARMA時系列モデルで効果的にモデル化可能か？
• RQ2 ARMAモデルは、短期的なBitTorrentトラフィックパターンをどの程度正確に予測できるか？
• RQ3 ARMAモデルは、P2Pトラフィックの動的挙動をどの程度適切に捉えられるか？
• RQ4 ARMAベースの予測は、ISPネットワークにおける帯域幅管理と異常検出をどの程度支援できるか？

主な発見

• BitTorrentネットワークトラフィックは、統計的規則性を示しており、ARMAモデルで捉えることができる。
• ARMAモデルは観測されたBitTorrentトラフィックトレースに対して良好なフィットを示し、予測誤差が小さい。
• 予測されたトラフィックは実際のトラフィックパターンとよく一致しており、強力な予測能力を示している。
• ARMAベースの予測により、将来的な帯域幅需要の信頼性の高い推定が可能となり、ネットワーク計画に役立つ。
• 予測された挙動からの逸脱を特定することで、トラフィックの異常を早期に検出できる。
• このアプローチは計算的に効率的であり、ISP監視システムにおけるリアルタイム導入に適している。