Аналіз моделей представлення мережевого трафіку для навчання дифузійних моделей у задачах управління комп’ютерними мережами

Анотація

У статті досліджено особливості використання моделей представлення мережевого трафіку як навчальних об’єктів дифузійних генеративних моделей у задачах аналізу та управління комп’ютерними мережами. Актуальність роботи зумовлена тим, що реальні мережеві дані часто характеризуються пропусками, нерівномірністю вимірювань, спотвореннями, обмеженнями зберігання та недостатньою представленістю окремих режимів роботи мережі. За таких умов дифузійні моделі можуть використовуватися як для генерації синтетичних зразків, так і для ймовірнісного відновлення відсутніх компонентів, однак спосіб їх застосування залежить від структури сформованого навчального об’єкта. На основі пакетного, потокового, телеметричного, матричного та графового представлень мережевих даних проаналізовано відповідність між типами ознак, часовою і структурною організацією даних та вибором неперервної, дискретної або комбінованої постановки дифузійного моделювання. Формалізовано процес вибору представлення відповідно до властивостей мережевого процесу, необхідних для розв’язання цільової задачі, подальшого формування навчального об’єкта і датасету, постановки дифузійного моделювання, навчання, верифікації та використання отриманого результату. Проаналізовано предметні обмеження відповідних представлень: протокольну та послідовнісну коректність пакетних даних, узгодженість агрегованих характеристик потоків, семантику телеметричних показників і лічильників, просторово-часові залежності матриць трафіку та, залежно від цільової задачі, їх узгодження з маршрутизаційним і ресурсним контекстом, а також відповідність динамічних характеристик топологічній структурі графового представлення. Запропоновано розрізняти гомогенні навчальні об’єкти, сформовані в межах одного представлення, та гетерогенні навчальні об’єкти, що поєднують компоненти декількох представлень мережевих даних. Показано, що гетерогенність навчального об’єкта не є тотожною неоднорідності типів ознак і має розглядатися окремо від використання додаткової відомої інформації як умови генерації або відновлення. Формалізовано постановку ймовірнісного відновлення неповних мережевих спостережень за відомою частиною даних і додатковим контекстом. Обґрунтовано, що відновлений результат слід трактувати як умовно правдоподібний стан, а не як гарантоване відтворення фактично втрачених значень. Для верифікації результатів дифузійної генерації та відновлення узагальнено три взаємодоповнювальні рівні критеріїв: статистичний, предметно-мережевий і прикладний. Отримані результати можуть використовуватися як методологічна основа для вибору представлення мережевих даних, формування навчального об’єкта та постановки дифузійного моделювання відповідно до цільової задачі аналізу або управління комп’ютерною мережею.