[論文レビュー] Using the Modified Allan Variance for Accurate Estimation of the Hurst Parameter of Long-Range Dependent Traffic

Stefano Bregni, Luca Primerano|arXiv (Cornell University)|Oct 3, 2005

Quantum optics and atomic interactions参考文献 25被引用数 5

ひとこと要約

本稿では、長距離自己相似性（LRD）ネットワークトラフィックにおけるハーストパラメータHの正確な推定に、修正アラング・分散（MAVAR）を用いることを提案する。MAVARは高いスペクトル感度を有するため、ウェーブレットに基づくログスケール図法と比較して、H推定において優れた精度を達成しており、合成データおよび実際のIPトラフィックトレースの両方で、既存の手法を上回る性能を示す。

ABSTRACT

Internet traffic exhibits self-similarity and long-range dependence (LRD) on various time scales. A well studied issue is the estimation of statistical parameters characterizing traffic self-similarity and LRD, such as the Hurst parameter H. In this paper, we propose to adapt the Modified Allan Variance (MAVAR), a time-domain quantity originally conceived to discriminate fractional noise in frequency stability measurement, to estimate the Hurst parameter of LRD traffic traces and, more generally, to identify fractional noise components in network traffic. This novel method is validated by comparison to one of the best techniques for analyzing self-similar and LRD traffic: the logscale diagram based on wavelet analysis. Both methods are applied to pseudo-random LRD data series, generated with assigned values of H. The superior spectral sensitivity of MAVAR achieves outstanding accuracy in estimating H, even better than the logscale method. The behaviour of MAVAR with most common deterministic signals that yield nonstationarity in data under analysis is also studied. Finally, both techniques are applied to a real IP traffic trace, providing a sound example of the usefulness of MAVAR also in traffic characterization, to complement other established techniques as the logscale method.

研究の動機と目的

• 長距離自己相似性（LRD）ネットワークトラフィックにおけるハーストパラメータHの正確な推定という課題に対処すること。
• 時間領域および周波数領域手法の限界を克服し、微細なLRD特性を捉えること。
• MAVARをウェーブレットに基づくログスケール図法の代替としての強固な手法として検証すること。
• 合成LRDデータおよび実世界のIPトラフィックトレースの両方において、MAVARの有効性を示すこと。
• ネットワークトラフィックに一般的に見られる非定常な確定的信号下でのMAVARの挙動を調査すること。

提案手法

• 周波数安定性解析のために開発された修正アラング・分散（MAVAR）を、ネットワークトラフィックにおけるハーストパラメータHの推定に応用する。
• ネットワークトラフィックの時系列データにMAVARを適用し、時間区間を増加させて分散を計算することで、自己相似的スケーリング行動を検出する。
• MAVARと統合時間の対数プロットにおける勾配を用いてHを推定する。これは、分数ガウスノイズに内在するべきべき乗則的関係に依存する。
• MAVARの結果を、LRD解析のゴールドスタンダードであるウェーブレットに基づくログスケール図法の結果と比較する。
• 既知のH値を持つ疑似ランダムLRD系列にMAVARを適用し、推定精度の妥当性を検証する。
• 実際のIPトラフィックトレースにMAVARを適用して、実用的応用性および頑健性を評価する。

実験結果

リサーチクエスチョン

• RQ1 MAVARはウェーブレットに基づくログスケール図法と比較して、ハーストパラメータHの推定においてより高い精度を達成できるか？
• RQ2 既知のH値を持つ合成LRDデータにMAVARを適用した場合、H推定の性能はいかがなものか？
• RQ3 確定的で非定常な成分を含むトラフィックトレースを解析する際、MAVARの挙動はどのように変化するか？
• RQ4 MAVARは実世界のIPトラフィックトレースにおいて、分数ガウスノイズ成分を信頼性高く同定できるか？
• RQ5 長距離自己相似性を検出する観点から、MAVARのスペクトル感度はログスケール法と比較してどの程度優れているか？

主な発見

• MAVARは、特に低ノイズ環境下において、ウェーブレットに基づくログスケール図法よりもハーストパラメータHの推定精度が優れている。
• 本手法は優れたスペクトル感度を示し、困難な信号環境下でも長距離自己相似性を正確に検出できる。
• 既知のH値を持つ合成LRDデータに対しては、MAVARの推定誤差がログスケール法のそれよりも一貫して低かった。
• MAVARはネットワークトラフィックにおける分数ガウスノイズ成分を効果的に同定でき、トラフィック特性評価への有用性を裏付けた。
• 実際のIPトラフィックトレースにおいて、MAVARは一貫性があり信頼性の高いH推定値を生成した。実用的応用性が検証された。
• 確定的で非定常な信号が存在する状況でも、MAVARは頑健な性能を維持しており、一般的なトラフィックアーチファクトに対して耐性があることが示された。