[논문 리뷰] Using the Modified Allan Variance for Accurate Estimation of the Hurst Parameter of Long-Range Dependent Traffic

Stefano Bregni, Luca Primerano|arXiv (Cornell University)|2005. 10. 03.

Quantum optics and atomic interactions참고 문헌 25인용 수 5

한 줄 요약

이 논문은 장기적 자기유사성(LRD) 네트워크 트래픽에서 허스트 매개수 H를 정확하게 추정하기 위해 수정된 올렌 변동도(MAVAR)를 제안한다. 이는 MAVAR의 높은 스펙트럼 민감도를 활용한 것이다. 웨이블릿 기반 로그스케일 다이어그램과의 비교에서, MAVAR는 합성 및 실제 IP 트래픽 트레이스 모두에서 기존의 잘 알려진 방법들을 뛰어넘는 높은 정확도를 보였다.

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.

연구 동기 및 목표

• 장기적 자기유사성(LRD) 네트워크 트래픽에서 허스트 매개수 H를 정확하게 추정하는 데 도전한다.
• 기존의 시간 도메인 및 주파수 도메인 방법이 미세한 LRD 특성을 포착하는 데 한계를 가진다는 문제를 해결한다.
• 웨이블릿 기반 로그스케일 다이어그램에 대한 강력한 대안으로서 MAVAR의 유효성을 검증한다.
• 합성 LRD 데이터와 실제 세계의 IP 트래픽 트레이스 모두에서 MAVAR의 효과성을 입증한다.
• 일반적으로 네트워크 트래픽에서 발견되는 비정상적인 결정론적 성분이 존재할 경우 MAVAR의 행동을 조사한다.

제안 방법

• 원래 주파수 안정성 분석을 위해 개발된 수정된 올렌 변동도(MAVAR)를 네트워크 트래픽에서 허스트 매개수 H를 추정하는 데 적응한다.
• 네트워크 트래픽의 시계열 데이터에 MAVAR를 적용하여 증가하는 시간 간격 동안 분산을 계산함으로써 자기유사성 스케일링 행동을 탐지한다.
• MAVAR와 통합 시간의 로그-로그 플롯의 기울기를 이용해 H를 추정하며, 분수 노이즈에 내재된 거듭제곱 법칙 관계를 활용한다.
• 웨이블릿 기반 로그스케일 다이어그램 방법(장기적 자기유사성 분석의 기준)과의 결과를 비교한다.
• 알려진 H 값을 가진 가짜 랜덤 LRD 시퀀스에 대해 MAVAR를 테스트하여 추정 정확도를 검증한다.
• 실제 IP 트래픽 트레이스에 대해 MAVAR 성능을 평가하여 실용적 적용 가능성과 강건성을 평가한다.

실험 결과

연구 질문

• RQ1 웨이블릿 기반 로그스케일 다이어그램 방법과 비교해 MAVAR가 허스트 매개수 H를 더 정확하게 추정할 수 있는가?
• RQ2 알려진 H 값을 가진 합성 LRD 데이터에 MAVAR를 적용했을 때 H 추정 성능은 어떠한가?
• RQ3 결정론적 비정상성 성분이 포함된 트래픽 트레이스를 분석할 경우 MAVAR의 행동은 어떠한가?
• RQ4 실제 IP 트래픽 트레이스에서 MAVAR가 분수 노이즈 성분을 신뢰성 있게 식별할 수 있는가?
• RQ5 장기적 자기유사성을 탐지하는 데 있어 MAVAR의 스펙트럼 민감도는 로그스케일 방법과 비교해 어떻게 되는가?

주요 결과

• MAVAR는 특히 낮은 노이즈 조건에서 웨이블릿 기반 로그스케일 다이어그램 방법보다 허스트 매개수 H 추정에 더 높은 정확도를 보였다.
• 이 방법은 뛰어난 스펙트럼 민감도를 보이며, 도전적인 신호 환경에서도 장기적 자기유사성을 정밀하게 탐지할 수 있었다.
• 알려진 H 값을 가진 합성 LRD 데이터에서 MAVAR의 추정 오차는 로그스케일 방법의 오차보다 항상 낮았다.
• MAVAR는 네트워크 트래픽에서 분수 노이즈 성분을 효과적으로 식별하여 트래픽 특성 분석에 실용적인 유용성을 입증했다.
• 실제 IP 트래픽 트레이스에서 MAVAR는 일관되고 신뢰할 수 있는 H 추정치를 생성하여 실용적 적용 가능성의 타당성을 입증했다.
• 결정론적 비정상성 신호가 존재하는 상황에서도 MAVAR는 뛰어난 성능을 유지하여 일반적인 트래픽 아티팩트에 대한 내성성을 보였다.