автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Методы и средства исследования процессов в высокоскоростных компьютерных сетях

введение.

глава 1. методы и модели процессов управления в высокоскоростных компьютерных сетях и постановка задачи исследования.

1.1. Анализ методов управления процессами передачи данных в высокоскоростных компьютерных сетях.

1.2. Механизмы управления трафиком в интегрированной среде передачи данных.

1.3. Анализ системы управления на уровне транспортных соединений.

1.4. Локальное управление сетевыми соединениями на основе протоколов маршрутизации.

1.5. Модели управления трафиком в установившихся режимах.

1.6. Новые подходы к построению систем управления сетевыми процессами и постановка задачи исследования.

глава 2. анализ фрактальных свойств процессов в высокоскоростных компьютерных сетях.

2.1. Использование свойства масштабной инвариантности при построении моделей объектов и сетевых процессов.

2.2. Анализ фрактальных свойств сетевых процессов с помощью модели обобщенного броуновского движения.

2.3. Исследование динамических процессов в виртуальных соединениях и их влияние на сетевую производительность.

Выводы.

глава 3. исследование структуры и свойств статистических характеристик сетевых процессов.

3.1. Исследование статистических характеристик трафика на основе модели точечных процессов.

3.2. Исследование модели сетевого трафика с использованием преобразования всплесков.

3.3. Прогнозирование трафика на основе статистических характеристик и с учетом свойств масштабной инвариантности.

Выводы.

глава 4. модели управления и идентификации сетевых процессов.

4.1. Пространственно-временная модель сетевых процессов и протяженных статистических зависимостей.

4.2. Модели управления, учитывающие требования к качеству виртуальных соединений.

4.3. Идентификация структуры и параметров статистических характеристик трафика с помощью дискретного преобразования всплесков.

ВЫВОДЫ.

глава 5. аппаратно-программные средства исследования потоков данных в высокоскоростных компьютерных сетях.

5.1. Анализ процессов буферизации для настройки параметров управления СП.

5.2. Исследование частотно-временных характеристик трафика с помощью специализированных программно-аппаратных средств СП.

5.3. Методика использования СП и описание его функциональных возможностей.

5.4. Управление конфигурацией и средства регистрации на основе правил фильтрации.

5.5. Структура управления на основе правил фильтрации.

Выводы.

Компьютеры и компьютерные сети являются неотъемлемыми компонентами современных технологий управления и производства. В настоящее время их основные ресурсы -производительность процессоров и пропускная способность линий связи - даже для настольных компьютерных систем сравнима с характеристиками супервычислителей начала 90-х годов. Возросшие вычислительные и коммуникационные возможности компьютеров стали предпосылкой для создания нового класса сетевых приложений: видеоконференций, 1Р-телефонии, анимации в реальном времени, распознавания голоса, распределенных вычислений, интерактивной графики, виртуальной реальности и др. Все из перечисленных выше приложений функционируют в сетевой среде и используют методы пакетной коммутации. Созданная совокупность сетевых устройств, протоколов и средств управления составляют основу интегрированной среды обработки, хранения и передачи данных - распределенной инфраструктуры современных компьютерных телекоммуникаций. В результате парадигма современных компьютерных технологий, развиваясь из концепции "компьютер - это сеть", получила инверсную, хотя и менее лаконичную формулировку "сеть - это распределенное вычислительное устройство для обработки и передачи пакетного трафика". В такой сети взаимодействие между устройствами или приложениями осуществляется с помощью создания виртуальных соединений, на управление которыми заметное влияние оказывают особенности сетевой структуры и стохастической динамики процессов пакетной коммутации. Развитию технологии пакетной коммутации и переходу на цифровые каналы связи не только между абонентами телефонных сетей, но и между компьютерными приложениями уделяется большое внимание как в России, так и за рубежом. В ряде отечественных специализированных отраслевых, научно-исследовательских и производственных организаций, таких как: ЦНИИС, ГП НИИ «Рубин», ЛОНИИС, СПИИ РАН, ЦНИИ РТК, ГУТ им.проф.М.А.Бонч-Бруевича, ВАС, 5

СПбГТУ, ВИКА им.А.Ф.Можайского, НПО «Дальсвязь», НПО «Квант» и др. на протяжении последних лет проводятся работы по созданию средств передачи данных на основе новых принципов асинхронного управления трафиком. Значительная часть публикаций и материалов научных конференций посвящена перспективам использования широкополосных цифровых сетей интегрального обслуживания для создания новых информационных приложений, включая кабельное телевидение, мультимедиа сети и распределенные системы управления технологическими процессами. Проведенные исследования показывают [18, 19, 30, 33], что сетевые потоки данных становятся существенно нестационарными, скорость передачи возростает на порядки, а объем данных, передаваемый через компьютерные сети в течение последнего десятилетия ежегодно удваивается. Это создает реальные предпосылки для широкого внедрения новых программно-аппаратных средств передачи интегрированного сетевого трафика (голоса, видео, данных) и реализации глобальных международных проектов, таких как Интернет-2, по развитию интегрированной телекоммуникационной инфраструктуры. Однако существенным препятствием на пути такой интеграции является отсутствие общей теории и конструктивных методов исследования процессов управления при взаимодействии сетевых приложений в распределенных компьютерных системах. Анализ результатов многочисленных экспериментов по измерению характеристик трафика показывает, что переход к интегрированным сетевым приложениям создает предпосылки для рассмотрения задач управления отдельными виртуальными соединениями с позиций теории динамических систем. И хотя уже более десяти лет технология динамической маршрутизации широко используется для передачи пакетного трафика, но до сих пор этот механизм управления рассматривается в отрыве от характера процессов, возникающих при установлении транспортных соединений или управлении перегрузками. Для исследования таких процессов в последнее время для этой цели стали широко применяться подходы, основанные на анализе их фрактальных процессов и использовании концепции активной сетевой среды.

В результате сеть как объект управления рассматривается под влиянием многочисленных регулирующих и возмущающих стохастических воздействий, которые формируют локальные флуклуации интенсивности пакетного трафика.

В связи с этим особую актуальность приобретают вопросы разработки конструктивных методов исследования последствий влияния таких флуктуаций на синтез управляющих воздействий. При этом ключевым звеном в структуре распределенного управления процессом является система прогнозирования состояния виртуальных соединений, в которой учитываются особенности стохастической и динамической составляющих сетевого трафика. е.оо Масштаб изменения: задержек

Значение системного

Рис.1. Бифуркации величин временных интервалов t(k) между пакетами в виртуальном канале

TCP на фазе медленного старта.

Для создания эффективных методов управления сетевыми приложениями необходимо учитывать то, что влияние различных возмущающих факторов может приводить к возникновению сложной динамики процессов передачи данных. Возникающие при этом бифуркационные явления изменения величин задержек в виртуальном канале при использовании TCP протокола на начальном этапе установки показаны на рис. 1. На практике возникновение таких сложных режимов приводит к появлению нестационарности в процессах пакетной коммутации. Это непосредственно влияет на характер изменения величин задержек в виртуальных каналах передачи данных в сегментах глобальной сети Интернет, приводя к резким отклонениям от средних значений (рис.2). 7

Рис.2. Характер изменения задержек при передаче данных в виртуальном канале Россия (С.-Петербург)-Канада. Апрель 1999 г: Верхний график - абсолютные значения интервалов времени между отправкой пакета и получением подтверждения в мсек; нижний график -структура потока, превышающего пороговое значение в 600 мсек.

В этих условиях приоритет внедрения методов современной теории управления при разработке интегрированных сетевых технологий был весьма наглядно продемонстрирован при включении ряда протоколов (IP, ATM) и систем передачи данных (SDH, ISDN) в спецификации корпоративных и международных стандартов.

Поэтому широкие перспективы применения адаптивных методов при создании транспортных и сетевых протоколов для мультимедиа приложений стимулировали проведение большого комплекса научных исследований, проводимых в нашей стране под руководством Г.Г.Яновского, О.Ю.Кульчицкого, А.Н.Терехова, С.П.Присяжнюка, Ю.Г.Карпова, В.А.Лопоты, Н.И.Лычагина, А.А.Ланнэ, А.А.Первозванского, а зарубежом - W.Leland, W.Willinger, I.Norros, A.Erramilli, M.Taqqu, S.Meerkov. С результатами этих исследований связано появление новых представлений о процессах передачи данных и рассмотрение модели функционирования компьютерных сетей с позиций системного анализа и теории управления. Таким образом, создание методов и средств исследования сетевых процессов представляет собой важную научную и практическую задачу. Актуальность таких работ связана с тем, что хотя одно 8 характерное свойство сетевых процессов - масштабная инвариантность их статистических характеристик - стало предметом большого числа научных публикаций, ряд особенностей рассматриваемых процессов, важных для решения задач управления и прогнозирования, в настоящее время еще слабо изучены. В современной литературе масштабная инвариантность связывается с проявлением одного из фундаментальных свойств физических процессов, которое принято называть фрактальным самоподобием. Принято считать, что данное свойство является проявлением протяженных статистических зависимостей (ПСЗ) и обнаруживается в степенном характере затухания автокорреляционных функций исследуемых физических процессов. Наблюдение ПСЗ в трафике локальных и глобальных компьютерных сетей позволяет по-новому взглянуть на особенности управления процессами при использовании методов пакетной коммутации. Степень влияния ПЗС на сетевую производительность определяется тем, как успешно система управления трафиком может влиять на интенсивность передачи пакетов в зависимости от прогнозируемых изменений состояния сетевых ресурсов. Ошибки в прогнозировании могут приводить к возникновению локальных перегрузок, невозможности обеспечения заданных показателей качества сетевого сервиса и фактическому разрыву виртуальных соединений.

На рис.3 показана экспериментальная функция распределения времен подтверждения об успешной передаче пакетов ^ для трафика в сети Интернет, состоящего из 5000 пакетов. Наблюдаемый характер изменения полученной зависимости согласуется с моделями ПЗС. Поэтому рассматривая транспортные протоколы, использующие оценки ^ как основной механизм управления сетевыми ресурсами виртуальных соединений в сети Интернет, можно сделать вывод, что ПЗС влияют на характер межсетевого взаимодействия, что необходимо учитывать при синтезе нового поколения алгоритмов маршрутизации, буферизации и статистического мультиплексирования. logP(t„,<j<) x, величина

2000 задержки (мс)

Рис.3. Экспериментально полученное распределение времен прихода пакетов подтверждения trtt

В настоящее время во всем мире в исследовательских центрах ведущих телекоммуникационных компаний Alcatel, Siemens, ATT, BellLab и других проводятся интенсивные работы по использованию ПСЗ для расширения функциональных возможностей транспортных протоколов, функционирующих в сетях с динамически изменяющейся топологией. В России эти работы начаты в ЦНИИ РТК и СПбГТУ. В силу того, что протоколы маршрутизации используют только локальную информацию о связанности узлов, то индикатором разрыва соединения может являться увеличение объема выходной очереди или ее возможное переполнение, когда время задержки перекоммутации пакетов превышает определенное пороговое значение. Проведенные исследования показали, что переход к интегрированным сетевым системам существенно влияет на свойства трафика, который в этом случае характеризуется наличием резких отклонений от средних статистических значений. Влияние подобных отклонений на сетевую производительность может быть существенно снижено с помощью введения эффективных алгоритмов прогнозирования пропускной способности виртуальных каналов. В силу описанных выше свойств трафика разработка таких алгоритмов требует построения моделей ПСЗ процессов, параметры которых могут быть оценены в процессе функционирования сетевого приложения. При этом большое значение для формирования ПСЗ модели среды передачи имеет способ организации виртуального канала, который, в принципе, может функционировать на разных уровнях модели межсетевого

10 взаимодействия. В свою очередь, структуру канала с точки зрения составляющих его фрагментов можно разделить на два класса:

1. фрейм-сети, которые используют: широковещательную передачу данных, физические адреса сетевых интерфейсов (MAC адреса), технологию передачи информации без установления соединения с использованием логических сетевых адресов (IP адреса) для межсетевого взаимодействия, фрагментацию данных и пакеты переменной длины;

2. сети на базе коммутации ячеек, в которых: используется технология, ориентированная на соединение (нет режима широковещания); применяются физические адреса устройств и логические номера виртуальных каналов связи; передаются пакеты фиксированной длины.

Каждая из этих классов сетей обладает определенными достоинствами и областью применимости и характеризуется своими параметрами масштабной инвариантности. Фрейм-сети имеют простую реализацию канального уровня, но не предоставляют средств надежной доставки данных, в силу чего потери пакетов формируют основу для проявления фрактальных свойств трафика. С другой стороны коммутация пакетов фиксированной длины позволяет обеспечить заранее прогнозируемое время обработки и, следовательно, гарантировать определенный уровень задержек в случае передачи изохронных данных. Кроме того, относительно большой объем (5 из 53 байт) управляющей информации позволяет создать эффективные алгоритмы распределения ресурсов и управления состоянием сети (рис.4). Однако использование механизма фрагментации при ограниченных объемах буферной памяти даже при высокой степени достоверности передачи на канальном уровне может приводить к существенным потерям на уровне транспортных соединений.

Несмотря на это, сети на основе передачи ячеек (cell networking) обладают расширенными возможностями по интеграции различных информационных приложений, как чувствительных к задержкам (голос, видео) потокам данных, так и нечувствительных к задержкам (передача файлов между компьютерами) данных.

12

ЛВС N ЛВС В МАС адреса ЛВС В

Рис.6. Функциональная схема объединения ЛВС через ГВС

Сетевые соединительные каналы имеют большую емкость, равную произведению пропускной способности на задержку передачи, поэтому ключевым вопросом становится проблема корректной оценки эффективности управления процессом буферизации данных в промежуточных узлах соединения, что невозможно без учета ПСЗ, характерных для таких сетевых потоков. В традиционных телефонных сетях со статистически стационарными характеристиками источников данных аналогичные вопросы решались с привлечением хорошо разработанных математических методов: теории марковских процессов, математической статистики и эргодических теорем. Возможность получения в этом случае аналитических оценок производительности сетевых соединений позволяло разработчикам произвести оптимизацию структуры и параметров технических устройств и, таким образом, обеспечить высокий уровень качества сетевого сервиса. В случае компьютерных сетей такой теоретической базой для синтеза устройств передачи пока не существует.

В ряде исследований, выявивших наличие ПСЗ в сетевомтрафике, были предложены различные модели, основанные на обобщении свойств классического броуновского движения ВН(Х). С помощью этой концепции удается объединить различные аспекты динамического и стохастического поведения сложных объектов на основе весьма простых и наглядных математических моделей. Обычно процесс ВИ(Ч) рассматривается как функция одной

13 переменной приращение которой имеет гауссовское распределение с нулевым математическим ожиданием и асимптотической дисперсией м{лВ2н(1)}~Д12н, где М(-) - символ математического ожидания, А1 - временной интервал наблюдения; Н -параметр, принимающий значение 0<Н<1. При значении параметра НЮ.5 процесс является классическим броуновским движением, приращение которого соответствует некоррелированному гауссовскому белому шуму. При Н>0.5 приращение имеет положительную, а при Н<0.5 - отрицательную ковариацию. Для исследования особенностей сложных сетевых процессов существенно то, что корреляционная структура ВИ(Т) сохраняется на произвольно длинном интервале времени. Экспериментальным подтверждением статистически протяженного характера сетевых процессов может служить график (рис. 7), состоящий из 200 агрегированных в масштабе М 25:1 отсчетов усредненного потока данных, снятого на сегменте глобальной сети Интернет.

Задержка (мсек) 1000 отсчеты 200 значений

Рис.7 Агрегированный трафик в масштабе М 25:1, построенный по 5000 отсчетам времени подтверждения прихода пакетов.

В агрегированном трафике отчетливо выделяется случайная составляющая весьма больших отклонений, корреляционная связанность которых сохраняется на продолжительном интервале наблюдения. Наличие таких зависимостей показывают, что по мере повышения требований к качеству передачи данных все более актуальным является создание нового поколения устройств статистического мультиплексирования, обладающих расширенными функциями управления за счет использования алгоритмов адаптации и оперативных методов анализа данных. Применение подобных интеллектуальных программно-аппаратных средств коммутации пакетов позволяет управлять входящими вызовами и разделять запросы по классу сетевого сервиса, после чего перенаправлять запросы на соответствующие устройства обработки.

В этих условиях использование классической формулы Эрланга, в которой учитывается только совместное влияние параметров загруженности (интенсивность вызовов ¡л и среднее время занятия линии 1), приводит к существенно неточным оценкам производительности. Погрешность таких расчетов связаны с тем, что в условиях интегрированной нагрузки не проявляется эффект "сглаживания", а наблюдаемый трафик характеризуется высокой степенью неравномерности (бурстности) в широком диапазоне интервалов агрегирования.

Поэтому с позиций системного анализа и теории управления [61] компьютерная сеть представляет собой сложный нестационарный динамический объект, или пк 1 пк2 внешние возмущения воздействия от других сетевых устройств)

Рис.8. Функциональная схема воздействия сетевых устройств через ГВС. черный ящик ", характеристики которого изменяются во времени случайным образом. В данном контексте термин " черный ящик" имеет несколько аспектов: а) структурный (узлы и связи между ними); б) функциональный (методы и формы передачи данных); в)технологический (ресурсы и средства передачи); г) сервисный (источники и потребители передаваемой информации), характеризующих основное прикладное назначение сети -передачу информации. Это позволяет рассматривать сеть как множество взаимодействующих компонент, которые, в свою очередь, состоят из последовательности вложенных подуровней: 1) информационная сеть; 2) транспортная сеть; 3)каналы связи и устройства буферизации.

Конечная цель управления взаимодействием подуровней состоит в создании такого виртуального соединения между любыми узлами сети, при котором обеспечиваются

15 необходимая производительность и заданные критерии качества (сервисный аспект). Так как каждое допустимое соединение (структурный аспект) использует часть общесетевого ресурса в виде пропускной способности каналов связи (технологический аспект), то возможности по предоставлению тех или иных информационных услуг с заданными показателями качества напрямую зависят от алгоритмов управления параметрами соединения и методов перераспределения ресурсов (функциональный аспект). В этих условиях усредненные статистические показатели не могут являться исчерпывающей оценкой сетевой производительности в силу нестационарного характера процессов, наблюдаемых при передаче пакетного трафика. Без разработки специальных методов исследования таких процессов построение эффективных систем управления трафиком встречает существенные трудности.

Один из возможных методов описания процессов в таких системах связан с использованием аппарата дробного интегрирования (дифференцирования) и средств фрактального анализа. Поиск убедительных примеров и эффективных способов использования этого аппарата непосредственно связан с возможностью применения фрактальных моделей процессов для построения нового класса устройств статистического мультиплексирования. С формальной точки зрения речь идет о разработке методов синтеза специального класса линейных фильтров, использующих операцию дробного интегрирования для вычисления операции свертки входных и выходных сигналов динамических систем.

При анализе характеристик взаимодействия сетевых приложений естественным способом введение операции дробного интегрирования является рассмотрение процесса прохождения пакетного трафика через каскад промежуточных сетевых устройств с буферными накопителями в форме интегрирующих звеньев (рис.9).

Для вычисления значения п-кратного интеграла известна формула Коши [67] источник фю О— приемник

1Г" виртуальное соединение

->1

Рис.9. Преобразование сетевого потока ф(1;) при прохождении через устройства буферизации промежуточных узлов виртуального соединения в выходной трафик у(Х).

Так как (п-1)!=Т(п), где Г(-) - гамма функция Эйлера, то правой части этой формулы можно придать смысл и при нецелых значениях п. В результате левосторонним (это означает, что х>а) интегралом дробного порядка а>0 принято называть выражение

1 х

I" фУх) =-[(х-^^ффсИ:, а решение уравнения (1™ф)(х) = £(х), х>а, ае[0,1], то есть

Г(а) I нахождение ф(х) по заданной функции 1"(х), может использоваться в прикладных задачах, связанных с переносом ф(х) с помощью процесса фс).

Использование аппарата дробного интегрирования позволяет построить модель сетевых процессов, в которой можно учесть изменение траектории и скорости передачи пакетного трафика, связанные с вариациями задержек в отдельных буферах промежуточных сетевых устройств.

Отмеченный выше нестационарных характер изменения трафика в компьютерных сетях делает актуальным применение специальных методов частотно-временного анализа, основанных на преобразовании всплесков или вейвлет преобразованиях. Каждая из функций базиса такого преобразования характеризует как определенную частотную составляющую сигнала, так и локализацию этой составляющей в пространстве (времени), где этот сигнал рассматривается. В результате применения преобразования всплесков трафика обнаруживается внутренняя структура существенно нестационарных сетевых потоков, что позволяет количественно оценить масштабно-инвариантные свойства процессов применительно к их статистическим характеристикам. В результате по оценкам статистических параметров, полученным на

17 относительно коротких интервалах времени, с учетом свойств самоподобия трафика можно осуществить прогноз состояния сетевого соединения на весьма большие промежутки времени. Структура линий максимумов коэффициентов преобразования всплесков, характерная для трафика в сети Интернет, представлена на рис.10

- интенсивность трафика, пакет/сек

О 50 100 150 200 250 300 350 400 450 500 а) исходный трафик б) уровни изменения значений коэффициентов преобразования всплесков.

Рис. 10. Преобразование всплесков сетевого трафика: а) исследуемый процесс изменения интенсивности; б) коэффициенты преобразования, коэффициенты которых отображаются изменением цветовой интенсивности изображения.

Таким образом, важной особенностью современных компьютерных систем является распределенность функций управления и недетерминированный характер связей между отдельными сетевыми компонентами. В результате компьютерная сеть приобретает черты сложного динамического объекта, характеристики которого подвержены случайным, коррелированным возмущениям, для прогнозирования и управления которыми требуется использование специальных методов, основанных на идеях фрактального анализа и алгоритмах адаптации.

Заключение

Полученные в диссертационной работе результаты позволяют сформулировать основы нового подхода к исследованию процессов в высокоскоростных компьютерных сетях на базе моделей и средств, учитывающих фрактальную природу трафика и сложный характер взаимодействия между виртуальными соединениями. Такие модели позволяют рассматривать компьютерные сети как новый класс объектов управления и на их основе возможно создание нового поколения протоколов для интеграции распределенных информационных приложений. На основе полученных в пяти главах диссертации выводов могут быть сформулированы следующие основные результаты:

1. Потоки данных в современных высокоскоростных компьютерных сетях, формируемые в результате взаимодействия различных информационных приложений, характеризуются нестационарностью и сложной фрактальной структурой, параметры которой зависят от типа используемого транспортного протокола, алгоритмов управления перегрузкой, степени и характера использования распределенных сетевых ресурсов.

2. Исследования свойств самоподобия автокорреляционных функций и характера изменения состояния агрегированных потоков пакетного трафика в компьютерных сетях служит основой для анализа характеристик межсетевого взаимодействия информационных приложений, что позволяет осуществить идентификацию структуры и параметров статистических характеристик при их использовании для повышения эффективности алгоритмов прогнозирования и управление трафиком.

3. При оптимизации процессов распределения пропускной способности между информационными приложениями при их статистическом мультиплексировании в виртуальных каналах связи можно использовать оценки параметров трафика, полученные с

250 учетом фрактальной структуры и протяженных статистических зависимостей потоков данных.

4. Оперативное управление ресурсами сетевой инфраструктуры может эффективно использоваться для комплексирования и координации взаимодействия информационных и динамических объектов на базе распределенной системы управления, использующей многозвенную модель межсетевого взаимодействия.

5. Для управления доступом к сетевым информационным приложениям, анализа состояния и защиты информации в распределенной инфраструктуре передачи данных могут быть эффективно использованы многофункциональные сетевые процессоры, построенные на базе алгоритмов пакетной фильтрации и ориентированные на коммутацию виртуальных каналов связи.

В результате разработанные в диссертации методы исследования процессов передачи данных в высокоскоростных компьютерных сетях и ориентированные на анализ фрактальных характеристик потоков данных были использованы для решения задачи синтеза алгоритмов управления трафиком и создания программного обеспечения для многофункционального сетевого процессора. На основе предложенных в работе методов и моделей межсетевого взаимодействия был создан пилотный сегмент высокоскоростной компьютерной сети для интеграции муниципальных и корпоративных сетей передачи данных RUSnet, используемый в настоящее время как прототип региональной интеллектуальной информационной инфраструктуры компьютерных телекоммуникаций. На основе разработанных методов анализа процессов и алгоритмов управления информационными приложениями под руководством и при участии автора разработана архитектура сетевой системы комплексирования средств физического и математического моделирования динамических процессов для космического робототехнического комплекса, отвечающая требованиям открытых сетевых стандартов и допускающая использование подобных систем для решения задач сопровождения,

251 планирования и прогнозирования сложных технологических операций. На основе разработанной методики оценки характеристик потоков данных предложена концепция и архитектура, а также созданы опытные образцы многофункциональных сетевых процессоров, выполняющих роль устройств фильтрации пакетного трафика, сетевых анализаторов, программно-управляемых ограничителей полосы пропускания и коммутаторов виртуальных каналов связи.

252

1. Антонов C.B., Соколов И.А., Шибанов B.C., Шоргин С. Принципы построения математической модели телекоммуникационной сети с асинхронным режимом передачи (ATM). / Информационные сети и системы. Москва-Суздаль: Российское НТОРЭС им.А.С.Попова, 1995. С.42-46

2. Асарин Е.А., Козякин B.C., Красносельский М.А., Кузнецов H.A. Анализ устойчивости рассинхронизированных дискретных систем. М.: Наука, 1992. 408С.

3. Астафьева Н.М. Вейвлет-анализ: основы теории и примеры применения // Успехи физических наук. Т. 166. -№ 11, 1998. С.1145-1170.

4. Беккер П. ISDN. Цифровая сеть с интеграцией служб. Понятия. Методы. Системы. М.: Радио и связь, 1991. С.304.

5. Берколайко М.З., Новиков И.Я. Базисы всплесков в пространствах дифференцируемых функций анизотропной гладкости. // Докл. РАН. Т. 323. -№ 4, 1992. С.615-618.

6. Берколайко М.З., Новиков И.Я. Образы всплесков при действии операторов свертки // Матем.заметки. Т. 55. № 5, 1994. С. 13-24.

7. Бобылев H.A. и др. Математическая теория систем. М.: Наука, 1986. 165С.

8. Булгак В.Б. Концепция развития связи Российской Федерации.- М.: Радио и связь, 1995. 224с.

9. Геков В.В., Данилевский Ю.Г., Захаров Г.П., Шибанов B.C. Перспективы развития ШЦСИО в России. // Техника средств связи, сер. ТПС. вып.1, 1992. С.3-13.

10. Городецкий А.Я. Статистический анализ и синтез фотонных систем. СПб.: Изд-во СПбГТУ, 1996. 272С.

11. Емельянов C.B., Коровин С.К. Новые типы обратной связи. Управление при неопределенности. М.: Наука, Физматлит, 1997. 352С.258

12. Заборовский B.C. Высокие интеллектуальные технологии образования и науки, разделы 4.3, 4.4. СПб.: Изд-во СПбГТУ, 1996.

13. Заборовский B.C. и др. Концепции, структуры и содержание многоуровневой системы высшего технического образования России, разделы 1.3, 3.1, 3.2, СПб.: Изд-во СПбГТУ, 1993.

14. Заборовский B.C. Интеллектуальные системы управления информационными ресурсами в высокоскоростных телекоммуникационных сетях. / Высокие интеллектуальные технологии образования и науки, Тез.докл.конф. СПб.: Изд-во СПбГТУ, 1996. С.19.

15. Заборовский B.C. Развитие компьютерных сетей региона и проблемы обеспечения информационной безопасности. //Безопасность. 1997. авг. С.29-30.

16. Заборовский B.C., Борисов Н.В., Васильев В.Н. На пути к созданию региональной объединенной компьютерной сети образования и науки на Северо-Западе России. / Региональная информатика-94, Тез.докл.конф. СПб., 1994. С. 140-142.

17. Заборовский B.C., Казаров С.А., Лопота В.А. Информационные технологии управления энергосистемами: анализ перспектив создания энерго-информационной инфраструктуры. // Научно-технический ведомости СПб.: Изд-во СПбГТУ, 1996. № 4. С.101-106.

18. Заборовский B.C., Кирпичев В.Н., Королев Е.В. Многофункциональный сетевой процессор для управления трафиком и разграничения доступа к информационным ресурсам в компьютерных сетях. // Проблемы информационной безопасности. 1999. №1. С.124-126.259

19. Заборовский B.C., Козлов В.Н., Кульчицкий O.B. и др. Численные методы решения задач автоматики и управления. JL: Изд-во ЛПИ, 1990. 52С.

20. Заборовский B.C., Козлов В.Н., Куприянов В.Е. Вычислительные методы синтеза систем автоматического управления. JL: Изд-во ЛГУ, 1989. 224С.

21. Заборовский B.C., Козлов В.Н., Куприянов В.Е. Теория автоматического управления и системы с ЭВМ. Л.: Изд-во ЛПИ, 1990. 96С.

22. Заборовский B.C., Козлов В.Н., Куприянов В.Е., Шашихин В.Н. Модели, устойчивость и синтез автоматических систем: Методические указания. СПб.: Изд-во СПбГТУ, 1993. 78С.

23. Заборовский B.C., Козлов, В.Н., Александров В.К. О проекте создания фрагмента Российской базовой компьютерной сети в Санкт-Петербурге. / Университетские сети знаний, Тез.докл.конф. М., 1994. С.32-33.

24. Заборовский B.C., Ларионова Н.С., Шапошников A.B. Принципы проектирования и методика использования системы поддержки программирования ARG. / Проблемы многоуровневого высшего образования в Российской Федерации. СПб.: Изд-во СПбГТУ, 1992. С.224-225.

25. Заборовский B.C., Лопота В.А. Теленетика новая область разработок. // Телекоммуникации в аспекте национальной безопасности. Перспективы развития информационно-телекоммуникационной инфраструктуры. - СПб, 1998. С.88-90.260

26. Заборовский B.C., Лопота В.А., Шеманин Ю.А. Архитектура интеллектуальной информационной инфраструктуры высокоскоростных компьютерных сетей. // Конверсия'95. 1995. №11. С.12-14.

27. Заборовский B.C., Майзель Б.А. Моделирование процессов в современных высокоскоростных компьютерных сетях. // Вычислительные, измерительные и управляющие системы: Труды СПбГТУ. СПб.: Изд-во СПбГТУ, 1995. № 452.

28. Заборовский B.C., Подгурский Ю.Е. Адаптация протокола TCP к особенностям ATM-технологии. // PCWEEK RE. 1998, №27-28, С.32-33.

29. Заборовский B.C., Подгурский Ю.Е. Технологии и компоненты передачи данных по линиям электропитания. // Сети. 1999 (принято к печати).

30. Заборовский B.C., Семеновский В.Б., Подгурский Ю.Е. Международный ATM-проект с участием России. // Сети. 1998. №10, С.56-58.

31. Заборовский B.C., Тихонов А.Н., Лопота В.А., Богатырь Б.Н. Теленетика: интеграция телекоммуникационных сетей и интеллектуальных компьютерных систем. // Проблемы информации высшей школы. Бюллетень №1. М.: Изд-во ГосНИИ СИ, 1996.

32. Завадский В.Л. Аппроксимация функций нескольких переменных с ограниченной смешанной производной посредством вейвлетов. // Препринт ИМ НАНБ. 1997. № 1/529.

33. Завадский В.Л. Нелинейная аппроксимация функций нескольких переменных с ограниченной смешанной производной посредством вейвлетов. // Препринт ИМ АНБ. -Минск: 1997. № 15(538). С.13.

34. Завадский В.Л., Блинова Е. И. Непараметрическое оценивание над 1р эллипсоидами в 1г // Вести НАНБ. № 2. 1998. С.25-31.

35. Исследование технических условий применения новых сетевых технологий и выработка рекомендаций по разработке пилотного проекта высокоскоростной базовой сети PKK261

36. Энергия": Отчет о НИР (закл.) / ЦНИИ РТК; Руководитель Заборовский B.C. №ГР01.9.80 001518. Инв.№02.9.80 002376. СПб. 1997. 192С.

37. Истомин Б.Л., Лохмотко В.В. Алгоритм оптимизации маршрутизации и ограничения нагрузки в сети коммутации пакетов. // Техника проводной связи. Техника средств связи, вып.7, 1990. С. 11-21.

38. Клейнрок Л. Теория массового обслуживания. М.: Машиностроение, 1979. 432С.

39. Лазарев В.Г. Интеллектуальные цифровые сети. М.: Финансы и статистика, 1996. С.224.

40. Лазарев В.Г. Цифровые сети интегрального обслуживания. Основы концепции и принципов построения // Автоматика и вычислительная техника. Рига: Зинатне, №1, 1991.

41. Лазарев В.Г., Лазарев Ю.В. Динамическое управление потоками в сетях связи. М.: Радио и связь. - 1983. 235С.

42. Левин Б.Р., Шварц В. Вероятностные модели и методы в системах связи и управления .М.: Радио и связь. 1985. 312С.

43. Лопота В.А. Актуальные проблемы развития телекоммуникаций: Россия и Интернет III. / Телекоммуникации в аспекте национальной безопасности. Перспективы развития информационно-телекоммуникационной инфраструктуры. СПб. 1998.

44. Лопота В.А. Принципы построения региональной интеллектуальной информационной инфраструктуры в Санкт-Петербурге и Северо-Западном регионе России. / Региональная ИНФОРМАТИКА-95. СПб. 1995.

45. Лукашенко Т.П. Всплески на топологических группах. ДАН. 1993. Т.332. №1.262

46. Ляхов А.И. Асимптотический анализ моделей иерархических локальных сетей с многопроцессорными серверами. // АиТМ. №12. 1998.

47. Малоземов В.Н., Машарский С.М. Сравнительное изучение двух вейвлетных базисов // Электронный архив препринтов СПбМО. Препринт № 1999-04.

48. Малоземов В.Н., Машарский С.М. Хааровские спектры дискретных сверток // Электронный архив препринтов СПбМО. Препринт № 1999-06.

49. Малоземов В.Н., Певный А.Б., Третьяков A.A. Быстрое вейвлетное преобразование дискретных периодических сигналов и изображений // Проблемы передачи инф. Т. 34. Вып.2. 1998. С.77-85.

50. Малоземов В.Н., Третьяков A.A. Алгоритм Кули—Тьюки и дискретное преобразование Хаара // Вестник СПбГУ. Сер. 1. 1998. Вып.З (№ 15). С.31-34. (сжатый PostScript файл 31 Kb)

51. Малоземов В.Н., Третьяков A.A. Новый подход к алгоритму Кули—Тьюки // Вестник СПбГУ. Сер.1. 1997. Вып.З (№ 15). С.57-60. (сжатый PostScript файл 34 Kb)

52. Назаров А.Н., Симонов М.В. ATM технология высокоскоростных сетей. М.: Радио и связь, ИТЦ "Эко-трендз", 1997. 235С.

53. Нигматуллин P.P. Дробный интеграл и его физическая интерпретация. // Теоретическая и математическая физика, т.90. №3, 1992. С.354-367.

54. Никонов В.В., Подгурский Ю.Е. Сети Петри. Теория. Применение. // Зарубежная радиоэлектроника. №4, 1984. С.28-59.

55. Новиков И.Я. Онделетты И. Мейера — оптимальный базис в С(0,1) // Матем.заметки. Т.52. № 5, 1992. С.88-92.

56. Новиков И.Я., Стечкин С.Б. Основные конструкции всплесков // Фундаментальная и прикладная математика. Т.З. № 4, 1997. С.999-1028.263

57. Новиков И.Я., Стечкин С.Б. Основы теории всплесков // Успехи математических наук. Т.53. -№ 6 (324), 1998. С.53-128.

58. Новиков JI.B. Адаптивный вейвлет-анализ сигналов // Научное приборостроение. № 2. 1998. С.86-92.

59. Первозванский A.A. Курс теории автоматического управления. М.: Наука, 1986. 340С.

60. Петерсон Дж. Теория сетей Петри и моделирование систем. М.: Мир, 1984.

61. Петухов А.П. Кратномасштабный анализ и всплеск-разложения пространств периодических распределений // Доклады РАН. Т.356. №2,1997

62. Петухов А.П. Периодические всплески // Математический сборник. Т.188. № 10, 1997. С.69-94.

63. Петухов А.П. Периодические дискретные всплески // Алгебра и Анализ. № 3, 1996. С.151-183.

64. Российская Федерация. Федеральный закон о связи. М.: Изд. при участии ассоциации "Резонанс", 1995.

65. Самко С.Г., Килбас A.A., Маричев О.И. Интегралы и производные дробного порядка и некоторые их приложения. Минск: Наука и техника, 1987. 688С.

66. Скопина М.А. О нормах полиномов по системам периодических всплесков в пространствах Lp // Матем. заметки. Т. 59. № 5, 1996. С.780-783.

67. Слепов H.H. Синхронные цифровые сети SDH.

68. Старовойтов A.B., Советов Б.Я., Терехов А.Н. Проблемы создания защищенной информационно-телекоммуникационной системы России. / Региональная информатика-95.-СПб, 1995.

69. Тихонов В.И. Статистическая радиотехника. — М.: Радио и связь, 1982. 624С.

70. Тобаги Ф.А. Архитектуры высокоскоростных коммутаторов пакетов для широкополосных цифровых сетей интегрального обслуживания // ТИИЭР. №1, 1990. С.105-142.264

71. Чмора A.JI. Информационная безопасность в компьютерных сетях. Современная прикладная криптография. КомпьютерПресс, 1999. 350С.

72. Шварц М. Сети связи: протоколы, моделирование и анализ. ч.1,- М.: Наука, 1992. 336С.

73. Шварц М. Сети связи: протоколы, моделирование и анализ. ч.2. М.: Наука, 1992. 272С.

74. Яновский Г.Г. Методы и модели управления сетевыми ресурсами в цифровых сетях интегрального обслуживания. // Докторская диссертация. СПб.: ГУТ им.проф.М.А.Бонч-Бруевича, 1994. 270С.

75. Argoul F., Arneodo A., Elezgaray J., Gressau G. Wavelet Transformation of Fractal Aggregates Phys. / Lett. A., vl35. №6/7, 1989. P.327-336.

76. Armitage G., Adams K. Paket reassembly During Cell Loss. // IEEE Network Mag. 7(5), September 1993. P.26-34.

77. Arneodo A., Grossman G., Holschneider M. Wavelet Transformation of MultiFractal. // Phys. Rev. Lett. v61. №20, 1988. P.2281-2284.

78. ATM Forum Traffic Management Specification. Version 4.0. 1996. (http://www.atmforum.com).

79. Benmohamed L., Meerkov S.M. Feedback control of congestion in packet switching networks: The case of a single congested node. / IEEE/ACM Trans, on Networking. 1993. P.693-708.

80. Benmohamed L., Meerkov S.M. Feedback control of highway congestion by a fair on-ramp metering. / Proc. 33rd IEEE Conf. Decision an Control. Florida, December 1994. P.2437-2442.

81. Bestavros A., Kim G. Exploiting Redundancy for Timeliness in TCP Boston. // Proceedings of RTAS'97. Montreal, Canada, June 1997.

82. Bestavros A., Kim G. TCP Boston: A Fragmentation-tolerant TCP protocol for ATM Networks. // The IEEE International Conference on Computer Communication. Kobe, Japan, April 1997.

83. Chen G., Stavrakakis I. ATM traffic management width diversified loss and delay requirements. / Proc. IEEE INFOCOM. San Francisco, CA, Mar. 1996. P.1037-1044.265

84. Computer communication Review, Vol. 25. No.l, January 1995. P.203-213.

85. Demers A., Keshav S., Shenker S. Analysis and simulation of a fair queueing algorithm. / Proc. ACM SIGCOMM Stanford, CA, 1998. P.l-12.

86. Erramilli A., Chaos, Fractals and Traffic. / Proc. 6th MultiG Workshop Electrum. Stockholm-Kista, May, 1993.

87. Fowler H.J., Leland W.E. Local area network traffic characteristics, with implications for broadband network congestion management. // IEEE Journal on Selected Areas in Communications, vol.9. №7, 1991. P.l 139-1149.

88. Hahne E.L., Gallager R.G. Round robinscheduling for fair flow control in data communication networks. / Proc. IEEE Int Conf Comm. 1986. P. 103-107.

89. Hosking J.R.M. Fractional Differencing. // Biometrica 68. 1981. P.165-176.

90. Hurst H.E. Methods of Using Long-Term Storage in Reservoirs. / Proc. of the Institution of Civil Engineers, Part I. 1955. P.519-577.

91. Jacobson V. Congestion avoidance and control. / Proc. ACM SIGCOMM. Stanford, CA, 1988. P.314-329.

92. Jain R. Myths About Congestion Management in High-Speed Networks. 1994. (http://www.cis.ohio-state.edu/~jain).

93. Kluge W., Lautenbach K. The Orderly Resolution of Memory Access Conflicts Among Computing Channel Processes. / IEEE Trans. C-31, 3, 1982. P. 194-207.

94. Leland W., Wilson D. High Time-Resolution Measurement and Analysis of LAN Traffic: Implications for LAN Interconnection. / Proc. of Infocom 91.-1991. P.240-251.

95. Leland W.E. On the of Self-Similar Nature of Ethernet Traffic. / Proc. SIGCOMM'93, v.23. -№4, 1993.

96. Leland W.E., Taqqu M.S., Willinger W., Wilson D. On the Self-Similar Nature of Ethernet Traffic. / tech.rep. Bellcore, March 1993.266

97. Lopota V. and others. New Phase of RUSnet project: migration towards regional Information Infrastructure. / Proc. JENC 7. Budapest, 1996.

98. Lopota V., Tarasov S., Shemanin Y., Zaborovski V. Bringing Internet to North-West of Russia -RUSnet N/W project. / Proceeding ofINET'95. v.2. June, 1995. P.855-858.

99. Lopota V., Tarasov S., Shemanin Y., Zaborovski V. The main aspects of construction of the Northern-Western segment of Russian University & Science Network" / Posters of 6th Joint European Networking Conference\ May, 1995.

100. Lopota V.A., Zaborovski V.S. (1995) Bringing Internet to North-West of Russia RUSnet N/W project. / Proceedings ofINET'95 - Honolulu, USA, 1995. P.855-857.

101. M.Holschneider. On the Wavelet Transformation of fractal Objects. // J. Stat. Phys. v50. №5/6 1988. P.963-993.

102. Mandelbrot B.B. The fractal Geometry of Nature. Freeman, New York, 1983.

103. Mandelbrot B.B., Van Ness J.W. Fractional Brownian motions, fractional noises and applications. // SIAM Rewiew. 10, 1968. P.422-437.

104. Manthorpe S. STCP User Manual. / Tech. Rep. 1.0, LRC-DI-EPFL. 1996.

105. Manthorpe S. The Danger of Data Traffic Models. / Tech Rep. 25, COST 242. April 1995.

106. Mishra P., Kanakia H. A hop by hop rate-based congestion control scheme. / Proc. ACM SIGCOMM. Baltimore, MD, 1992. P. 112-123.

107. Mitra D. Asymptotically optimal design of congestion control for high speed data networks. / IEEE Tran. Comm. 40 (2), 1992. P.301-311.267

108. Mitra D., Morrison J. Erlang capacity and uniform approximations for shared unbuffered resources. / IEEE/ACM Trans, on Networking. Dec. 1994. P.558-170.

109. Mogul J.C. Observing TCP dynamics in real networks. / Proceedings of ACM SIGCOMM'92 -1992. P.305-317,1992.

110. Mountzia M.-A. A distributed management approach based on flexible agents. // Interoperable Communication Networks. -№1, 1998. P.99-120.

111. Mukherjee A., Stikwerda J. Analysis of dynamic congestion control protocols A fokker-plank approximation. / Proc. ACM SIGCOMM. - Zurich, 1991. P. 159-169

112. Norros I. Studies on a model for Connectionless traffic, based on fractional brownian motion. / COST24TD(92)041. 1992.

113. Parekh A.K., Gallager R.G. A generalized processor sharing approach to flow control in integrated services networks: The multiple node case. / IEEE/ACM Trans, on Networking. 2 (2), 1994. P.137-150.

114. Partridge С. Ограничивают ли протоколы TCP/IP производительность каналов связи. // COMPUTERWEEK-MOSCOW. -М., №39,1997. С.16-18.

115. Ramakrishnan К.К., Jain R. A binary feedback scheme for congestion avoidance in computer networks with connectionless network layer. / Proc. ACM SIGCOMM. Stanford, CA, 1998. P.303-313.

116. Roberts J.W., ed. COST224 Performance evaluation and design of multiservice networks. / Commission of the European Communities. Final Report. Oct. 1992.

117. Roberts J.W., Hamdi M. Video transport in ATM networks. // Interoperable Communication Networks. -№1, 1998. P.121-143

118. Robinson J., Friedman D., Steenstrup M. Congestion control in BBN packet switched networks. / ACM Сотр. Comm. Review. 20 (1), 1990. P.76-90.268

119. Romanov A., Floyd S. Dynamics of TCP Traffic over ATM Networks. // IEEE Journal on Selected Areas in Communication. №13(4), May 1995. P.633-641.

120. Stevens W.R. TCP/IP Illustrated. // The Protocols, vl. Addison-Wesley Longman, Inc., 1997. P.576

121. Wilder R., Ramakrishnan K.K., Mankin A. Dynamics of Congestion Control and Avoidance of Two Way Traffic in an OSI Testbed. // ACM Computer Communication Review, v.21. №2, 1991. P.43-58.

122. Willinger W., Taqqu M., Sherman R., Wilson D. Self-similarity through high variability: statistical analysis of Ethernet LAN traffic at the source level. / Proc. of ACM/Sigcomm'95. -Cambrige MA, 1995. P. 100-113.

123. Zaborovski V., Podgurski Y., Shemanin Y., Semyonovski V., Vasilev A. Synergy in Cyberspace and a New Networking Landscape: Telenetics Approach. / Proceeding of JENC8. Amsterdam, May, 1997. P.526-1-526-5.

124. Zaborovski V., Vasilev A. Cooperative Network Engineering in N/W of Russia. / Proceedings of MULTICUBE Collaborative Workshop. Torino-Madrid, Italy, 1996.

125. Zaborovski V., Yegorov S., Podgurski Y., Shemanin Y. Atm network traffic management analysis and optimization: models and methods. / Proceedings EUROMEDIA'98. Leicester, UK, January 1998.

126. Zaborovski V., Yegorov S., Podgurski Y., Shemanin Y. High-Speed Network Traffic Management: Automatic Control Approach. / INET'97 Book of Abstracts. Kuala Lumpur, June, 1997. P.107-108.

127. Zaborovski V.S. The main aspects of construction of the Northern-Western segment of Russian University and Scientific Network. / Posters of JENC6. Tel Aviv,Israel, 1995.

128. Zaborovsky Y. Network Remote Control for Robotics System. / Proceeding of Advanced AMETMAS Meeting. St.Petersburg, May 1999.

129. Zaborovsky V., Larionova N., Shaposhnikov A. A New Approach to Engineering of Programming Systems with Visible Semantic and Meta-Control // International journal of computer and engineering management. January-April, 1995. v.22-21.

130. Zaborovsky V., Vasiliev A. Cooperative Network Engineering in Noth-West of Russia: RUSNet project. / Препринт Первого Европейского семинара First Distributed Workshop. Madrid-Torino, october 10, 1996.

131. Zaborovsky V., Yegorov S., Podgurski Y., Shemanin Y. Traffic Models and Management in High-Speed Network. / Proceeding of International Conference on Informatics and Control. -St.Petersburg, June, 1997. P.231-240.

132. Zhang L. A New Architecture for Packet Switching Network Protocols. / PhD thesis. MIT, 1998.

133. Zhou, Chang C.H., A dynamic bandwidth allocation scheme for multimedia data over ATM networks. // IEEE/ACM Trans, on Networking. V.5, 1995. P.75-88.