[논문 리뷰] Bittorrent Network Traffic Forecasting With ARMA

Poo Kuan Hoong, Ian K. T. Tan외 1명|arXiv (Cornell University)|2012. 08. 09.

Peer-to-Peer Network Technologies참고 문헌 20인용 수 9

한 줄 요약

이 논문은 자동회귀이동평균(ARMA) 모델을 사용하여 비트토런트 네트워크 트래픽을 예측하는 것을 제안하며, ARMA가 트래픽 패턴을 효과적으로 캡처하고 예측할 수 있음을 입증한다. 연구는 실세계 비트토런트 트래픽을 정확하게 예측할 수 있는 ARMA 모델의 능력을 보여주며, 이는 인터넷 서비스 제공업체(ISP)가 대역폭을 관리하고 이질적 행동을 탐지하는 데 도움이 된다.

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.

연구 동기 및 목표

• 다른 응용 프로그램의 네트워크 품질을 악화시키는 증가하는 비트토런트 트래픽을 관리하는 데 도전하는 것.
• 비트토런트 네트워크 트래픽의 시간적 행동을 조사하여 예측 가능한 패턴을 식별하는 것.
• 시계열 분석을 사용하여 예측 모델을 개발하여 능동적인 네트워크 관리를 지원하는 것.
• 인터넷 서비스 제공업체(ISP)가 정확한 예측을 바탕으로 대역폭 할당을 최적화하고 비정상 트래픽을 탐지할 수 있도록 하는 것.

제안 방법

• 분석을 위해 실제 비트토런트 네트워크 트래픽 트레이스를 수집하는 것.
• 트래픽을 확률적 과정으로 모델링하기 위해 시계열 분석 기법을 적용하는 것.
• 통계 기준을 통해 최적의 차수(p, q)를 선택하여 ARMA 모델을 트래픽 데이터에 적합시키는 것.
• 적합된 ARMA 모델을 사용하여 향후 네트워크 트래픽의 단기 예측을 생성하는 것.
• 예측된 값과 실제 관측된 트래픽을 비교하여 예측 정확도를 검증하는 것.
• 평균 제곱오차(MSE) 또는 근미분 평균 제곱오차(RMSE)와 같은 표준 지표를 사용하여 모델 성능을 평가하는 것.

실험 결과

연구 질문

• RQ1 비트토런트 네트워크 트래픽은 ARMA 시계열 모델을 통해 효과적으로 모델링될 수 있는가?
• RQ2 ARMA 모델은 비트토런트 트래픽 패턴을 단기적으로 얼마나 정확하게 예측할 수 있는가?
• RQ3 ARMA 모델은 P2P 트래픽의 동적 행동을 얼마나 잘 캡처하는가?
• RQ4 ARMA 기반 예측은 ISP 네트워크에서 대역폭 관리 및 이질적 행동 탐지에 얼마나 기여하는가?

주요 결과

• 비트토런트 네트워크 트래픽은 통계적 규칙성이 있으며, 이를 ARMA 모델이 캡처할 수 있다.
• ARMA 모델은 관측된 비트토런트 트래픽 트레이스에 잘 맞으며, 낮은 예측 오차를 보인다.
• 예측된 트래픽이 실제 트래픽 패턴과 밀접하게 일치하여 강력한 예측 능력을 보여준다.
• ARMA 기반 예측은 네트워크 계획을 위한 향후 대역폭 수요의 신뢰할 수 있는 추정을 가능하게 한다.
• 예측된 행동에서의 이탈을 식별함으로써 모델은 비정상 트래픽의 조기 탐지를 지원한다.
• 이 방법은 계산적으로 효율적이며, ISP 모니터링 시스템에서 실시간 구현에 적합하다.