文献

J-GLOBAL ID：201002254919477738   整理番号：10A0239680

経路に基づく計測および推論を用いたIPネットワークにおけるスケーラブルな診断:学習フレームワーク

Scalable diagnosis in IP networks using path-based measurement and inference: A learning framework

著者 (4件)： NARASIMHA Rajesh (School of Electrical and Computer Engineering, Georgia Inst. of Technol., Atlanta, GA 30332-0250, USA) ,  DIHIDAR Souvik (School of Electrical and Computer Engineering, Georgia Inst. of Technol., Atlanta, GA 30332-0250, USA) ,  JI Chuanyi (School of Electrical and Computer Engineering, Georgia Inst. of Technol., Atlanta, GA 30332-0250, USA) ,  MCLAUGHLIN Steven W. (School of Electrical and Computer Engineering, Georgia Inst. of Technol., Atlanta, GA 30332-0250, USA)
資料名： Journal of Visual Communication and Image Representation  (Journal of Visual Communication and Image Representation)
巻： 21  号： 2  ページ： 175-191  発行年： 2010年02月 
JST資料番号： W0218A  ISSN： 1047-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,ネットワークに基づくマルチメディアアプリケーションに対し,IPネットワーク中の故障診断と輻輳診断に焦点を合わせ,計測に基づくネットワークモニタリングのスケーラビリティと性能について調べた。エンドホストにおいてユニキャストプローブパケットを用いた経路ベース計測を獲得し,計測の間の空間的依存性を利用して診断を実施した。ユニキャスト計測を用いてネットワーク状態(オン/オフ)の推論を行う確率的グラフィカルモデル利用の機械学習フレームワークの中でネットワークモニタリングを定式化した。プローブパケット数,ネットワーク規模,故障リンクまたは輻輳ネットワークコンポーネントのいずれかの診断能力,間の関係に関する基本的限界を与えた。より詳しくいえば,二重の方法でこの診断問題の取り扱いを行った。まず,故障診断に対しては,経路に基づく計測のためのBayes信念ネットワークを用いたグラフィカルモデルを構築した。次に,「ノイズのある」プローブ計測下における変分推論を用いたリンク故障診断のためのエッジごとの平均プローブ数に関する下界を与えた。変分推論により,大規模ネットワークでの診断のために必要な空間的依存計測数を解決するための実行可能近似を与えた。次に,二値対称チャネル(BSC)およびリンク故障診断上での符号化間の類似性を示し,エントロピーの下界(EL)を開発した。これらの限界値により,診断のために必要となる計測の数がリンクの数に関して線形的に増大することを示した。シミュレーションにより,解析的結果の検証を行った。他方では,輻輳診断のために,BSC上の線形誤り制御符号の符号化に基づく解を提案した。このシナリオの中で,ノイズ無しおよび「ノイズ有り」計測の両者の条件下で経路に基づくプロービング実験について考察し,基本的限界に対するその性能比較を行った。輻輳ノードを同定するために,因子グラフを構築し,信念伝搬アルゴリズムを用いて輻輳の推論を行った。シミュレーションを行いその結果,スケーラブルな数の計測と計算効率の高いアルゴリズムを用いることにより,輻輳ノードの完全な位置決めを行う提案アプローチの能力を示した。著者らは,本研究により,QoSサポートの欠如のために生じる問題を容易化し,高品質のブロードバンドマルチメディアサービスを提供可能にすることができると信じている。(翻訳著者抄録)

シソーラス用語： *インターネット ,  マルチメディア ,  *故障診断 ,  *輻輳制御 ,  診断 ,  プローブ ,  故障 ,  エントロピー ,  計算機シミュレーション ,  解析的解法 ,  性能評価 ,  スケーラビリティ【計算機】 ,  QOS【通信】 ,  広帯域 ,  *機械学習
準シソーラス用語： *IPネットワーク ,  ブロードバンド ,  リンク故障 ,  *輻輳診断

分類 (3件)： 電話・データ通信・交換一般  (ND11010T) ,  信頼性  (KB04040H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 経路 ,  計測 ,  推論 ,  IPネットワーク ,  診断 ,  学習 ,  フレームワーク