автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.13, диссертация на тему:Статистический мониторинг и анализ телекоммуникационных сетей

доктора технических наук
Скуратов, Алексей Константинович
город
Москва
год
2007
специальность ВАК РФ
05.13.13
цена
450 рублей
Диссертация по информатике, вычислительной технике и управлению на тему «Статистический мониторинг и анализ телекоммуникационных сетей»

Автореферат диссертации по теме "Статистический мониторинг и анализ телекоммуникационных сетей"

Па правах рукописи

СКУРАТОВ Алексей Константинович

СТАТИСТИЧЕСКИЙ МОНИТОРИНГ И АНАЛИЗ ТЕЛЫСОММУ1ШКАЦИ011НЫХ СЕ'1 ЕЙ

Специальное гь

05 13 13 - Телекоммуникационные системы и компьютерные сети

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

0030713БЭ

Москва 2007

003071369

Работа выполнена в Федеральном государственном учреждении Государственный научно-исследовательскии институт информационных технологий и телекоммуникаций «ИНФОРМИКА»

НАУЧНЫЙ КОНСУЛЬТАНТ

Член-корреспондент Российской академии образования, доктор технических наук, профессор А Н Тихонов

ОФИЦИАЛЬНЫЕ ОППОНЕНТЫ

доктор технических наук, профессор Л Г Титарев

доктор физико-математических наук, профессор Л А Крукиер

доктор технических наук, профессор А В Вишнеков

ВЕДУЩАЯ ОРГАНИЗАЦИЯ

Государственный научный центр России - Центральный научно - исследовательский и опытно - конструкторский институт робототехники и технической кибернетики (г Санкт-Петербур1)

Защита состошся «_29_» _мая_ 2007 года в _14 00_ часов на заседании диссертационного совета Д 212 133 03 Московского государственного института электроники и математики (технического университета) по адресу 109028 Москва, Б Трехсвятительский пер, д 1-3/12, стр 8, МИЭМ

С диссертацией можно ознакомиться в библиотеке университета

Автореферат разослан « ■27» апреля 2 ОО Т года Ученый секретарь диссертационного совета, к т н , доцент --Ю Л Леохин

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы

Проблема научно обоснованного совершенствования теоретическом и технологической базы мониторинга и анализа телекоммуникационных систем и компьютерных се геи, во многом определяющих современное развитие страны, имеет важное социально-культурное и народно-хозяйственное значение Высокими темпами создаются и развиваются международные, национальные, региональные, ведомственные и корпоративные телекоммуникационные системы и компьютерные сети, ориентированные как на решение общефедеральных задач, так на развитие отдельной личности, определенных профессиональных и социальных I рупп и всего общества в целом

Исторически сложившаяся неоднородность как телекоммуникационных систем, компьютерных сетей, сетевых информационных ресурсов, так и аудитории их пользователей осложняет объективный мониторинга и анализ телекоммуникационных архитектур и ресурсов В связи с этим актуально, что rip.i эксплуатации телекоммуникационных систем и компьютерных сетей должен быть использован достаточно широкий спектр современных и научно обоснованных технических и технологических решений их мониторинга и анализа что позволит сделать эксплуатацию телекоммуникационных сетей более эффективной Практика использования и эксплуатации гетерогенных телекоммуникационных систем и компьютерных сетей, связанная с недостаточной их прозрачностью, сложностью, организационными ограничениями и спецификой определяет необходимость более широкого и научно обоснованного внедрения сташстнческих методов их мониторинга и анализа на основе открытой потоковой информации, которую можно получи п., используя предлагаемые методы и средства

С одной стороны, существующие подходы к мониторингу и анализу телекоммуникационных сетей (HP OpenVieW, IBM Tivoli, Naumen) опираются на возможность непосредственного доступа ко всем инфраструктурным элемешам телекоммуникационной сети, что не всегда возможно и целесообразно С друтой стороны, отсутствуют теоретические методы и практические инструменты, предназначенные для исследования функционирования телекоммуникационной сети статистическими методами Стандаршые статистические программные пакеты (Statistica, SPSS, SAS, Statgrafics, SYSTA'I, Sladia) требуют серьезной математической подготовки персонала для их использования, долгой и профессиональной настройки и не обладают предметно ориентированным интерфейсом

Несмотря на то, что данными проблемами занимаются научные группы ряда российских и зарубежных НИИ и университетов Санкт-Петербургский государственный институт информационных технологий, точной механики и оптики (технический университет), Российский НИИ развития общественных сетей, Московский Iосударственный технический университет им IIЭ Баумана, Санкт-Петербургский государственный университет телекоммуникаций им проф M А Бонч-Ьрусвича, Московский государственный университет, Московский институт электроники и математики (технический университет), Тамбовский государственный технический университет. Центральный научно-

исследовательский институт робототехники и технической кибернетики, Уфимский I осударственный авиационный технический университет, Новгородский государственный университет, Самарский государственный аэрокосмический университет, Санкт-Петербургский государственный университег, Global Information Grid, Cisco, Г activa (совместное предприятие Dow Jones и Reuters), General Dynamics, Hewlett-Packard, Honeywell, IBM, Microsoft, Northrop Grumman, Oracle, Raytheon, Sun в открытой печати практически не опубликованы методы, модели и алгоритмы обработки такой информации с использованием статистических методов

Цель il задачи исследований

Целью диссертации является разработка научных основ, а также методов, алгоритмов и программ статистическою мониторинг и анализа телекоммуникационных сетей

Достижение поставленной цели обеспечивается решением следующих основных задач

1 Анализ российских телекоммуникационных сетей и определение основных характеристик функционирования телекоммуникационной сети для обеспечения методов статистического мониториш а и анализа

2 Разработка теоретических основ мониторинга и анализа телекоммуникационных сетей с использованием статистического подхода

3 Выбор и развитие методов статистического анализа, с целью разработки научных основ исследования статистических принципов функционирования телекоммуникационных систем

4 Разрабоша методов и алгоритмов реализации научных основ исследования статистических принципов функционирования телекоммуникационных систем и компьютерных се гей

5 Разработка программных средств статистического мониторинга и анализа телекоммун и кацион ных сетей

Методы исследования

Для решения задач разработки научных основ исследования общих свойств и принципов функционирования телекоммуникационных систем и компьютерных сетей с целью разработки принципиально новых методов анализа направленных на улучшение их технических характеристик, а также с целью обеспечения их контроля и диагностики применялись методы математического моделирования, основанные на статистических методах анализа многомерных данных, таких как регрессионный анализ, дискриминантныи анализ, кластер-анализ, аппарат нейронных сетей, а также методы моделирования и прогнозирование временных рядов

Результаты, выносимые на защиту

1 Концепция мониторинга и анализа телекоммуникационной сети как процессов, которые связаны с выявлением ее нормального и текущего профилей и исследования их статистическими методами

2 Научное обобщение практических задач, для решения которых проводится статистический мониторинг и анализ телекоммуникационной сети

3 Методология сбора первичной информации о телекоммуникационной сети и процедуры преобразования первичных значений характеристик телекоммуникационной сети во временной ряд и случайную последовательность, позволяющие осуществлять непрерывный мониториш характеристик телекоммуникационной сети статистическими методами

4 Математическая модель тополо1 ических характеристик телекоммуникационной сети (связность и размерность)

5 Математическая модель телекоммуникационной сети для целен статистического мониторинга и анализа

6 Новый подход к применению методов и методик статистического анализа, таких как регрессионный анализ, дискриминантный анализ, кластер-анализ, нейронные сети, моделирование временных рядов для целей статистического анализа характеристик телекоммуникационной сети

7 Алгоритмы, реализующие модифицированные методы статистическою анализа характеристик телекоммуникационной сети

8 Результаты экспериментальной реализации разработанных и модифицированных методов, методик и алгоритмов на примере научно-образовательной сети

Научная новизна результатов

В результате выполнения диссертационной работы были разработаны аналитические, теоретические, методологические и практические основы статистического мониторинга и анализа телекоммуникационных сетей, а именно

- установлено, что российские телекоммуникационные сети отличаются нерегулярной структурой, обусловленной нерегулярным проектированием и финансированием, для российских телекоммуникационных сетей характерно ведомственное (корпоративное) разделение, чю затрудняет их адекватный мониторинг с целью предоставления инфокоммуникационных сервисов (этим обусловлен предложенный авюром подход),

- определены основные показатели функционирования телекоммуникационной сети для целей статистического мониториш а и анализа, основные требования, предъявляемые к телекоммуникационным сетям, характеризующие качество обслуживания сети, определены понятия «мониторинг» и «анализ» телекоммуникационной сети как процессов, связанных с выявлением нормальною и текущего профилей телекоммуникационной сети, практические задачи, для решения которых проводится мониторинг и анализ телекоммуникационной сети,

- разработаны процедуры преобразования первичных значений характеристик телекоммуникационной сети во временной ряд и случайную последовательность и методики преобразования информационных потоков, циркулирующих в глобальных сетях, учитывающие особенности средств регистрации поступающей информации,

- предложена математическая модель топологических характеристик телекоммуникационной сети (связность и размерность),

- предложена математическая модель функционирования телекоммуникационной сети в виде временного ряда, который разлагается на такие компоненты как тренд, периодическую и случайную составляющие, при эгом можно предсказать будущее каждой компоненты и, анализируя их, предсказать будущее всего ряда,

- модифицированы методы прикладной статистики для системы статистического анализа телекоммуникационной сети, такие как регрессионный анализ, дискриминантный анализ, кластер-анализ, нейронные сети,

- предложены методы кластер-анализа использовать как для сегмен гирова-ния рядов (для выделения участков рядов однородных по совокупности определенных статистических характеристик), так и для классификации многомерных наблюдений,

- разработан алгоритм анализа данных с пропущенными и аномальными значениями для применения в случае многомерных временных рядов с целью реализации в статистической системе анализа телекоммуникационной сеги,

- разработаны алгоритмы обработки рядов содержащих компоненты тренда и сезонности на основе их представления в виде двух факторных таблиц сопряженности алгоритм удаления средних значений, итерационный алгоритм медианного сглаживания, алгоритм разложения по целевым факторам,

- предложены комплексные методы анализа набора временных рядов, сочетающие ьак методы анализа мшм омсрных данных без учета временной структуры, так и методы моделирования временных рядов,

- предложены методы моделирования временных рядов с оптимизацией параметрической структуры моделей с помощью штрафных функции

Таким образом, в данной работе предлагается новый подход к мониторингу и анализу телекоммуникационной сети, основанный на обработке стагистиче-ской информации о функционировании телекоммуникационной сеги и определении нормального профиля сети на основе этой обработки

Практическая ценность и внедрение результатов

Решение вышеуказанных задач позволяет практически осуществлять

1 Предсказание изменения характеристик телекоммуникационной сети на основе обработки статистической информации о ее функционировании

2 Интеллектуальное управление телекоммуникационной сетью на основе анализа статистической информации о ее загрузке

3 Исследование временных задержек вдоль маршрута прохождения пакета, снижение которых повышает качество работы сети

4 Формирование прогноза времени появления перегрузки и ее величины.

5 Контроль и прогнозирование переполнения системных буферов телекоммуникационной сеги

6 Сравнение наблюдаемого поведения телекоммуникационной сети с определенным ранее нормальным профилем и выявление сетевых аномалий

Практическая ценность выбранного пути решения проблемы определяется разработкой реально действующих алгоритмов и программ для статистического мониторинга и анализа телекоммуникационных сетей, которые, в частности, ис-

пользуются при развитии и администрировании отраслевон телекоммуникационной научно-образовательной сети ГШНМеи а именно

- проведен анализ и исследование характеристик телекоммуникационной сети ИИЫЫе! с помощью пакета программ Те1е81а1,

- для сттистическои обработки характеристик сетевого трафика на основе долговременной статистики была разработана и использована программа «Ро-утср »,

- для анализа периодической составляющей на основе модифицированного метода спектрального анализа разработана и использована программа «АРШТ»,

- с помощью программы «Анализатор трафика» определен нормальный профиль сети (этап анализа), выявлены отклонения от нормального профиля сети (этап мониторинга) с целыо определения возникновении нештатной ситуации и принятии соответствующего решения об изменении конфигурации или загрузки сети

Результаты, полученные в работе, внедрены в рамках выполнения следующих проектов со следующими организациями

- с Министерством образования л науки Российской Федерации № госрегистрации 0120 0503656 «Развитие методов и средств обеспечения защиты информации в телекоммуникационных сетях Министерства образования и науки Российской Федерации», № юсрегист рацни 0120 0503662 «Исследование и реализация методов обеспечения качества передачи информации в телекоммуникационных сетях Министерства образования и науки Российской Федерации», № госрегистрации 0120 0 508459 «Исследование методов и реализация системы защиты информации, в том числе от спама и вирусных атак в корпоративной сети Минобрнауки России» и «Разработка системы мониторинга и управления телекоммуникационным трафиком Минобрнауки России»,

- с Министерством промышленности, науки и технологий Российской Федерации № госре! истрации 0120 0 405211 «Разработка и реализация методов мониторинга и сташстического анализа научно — образовательных компьютерных сетей» и № госре! истрации 0120 0 405219 «Создание методов, средств и распределенных систем обеспечения защиты информации в телекоммуникационных сетях науки и образования»,

- с Федеральным агешетвом по науке и инновациям Российской Федерации № юсрегист рации 0120 0 508460 «Обеспечение технологического развития национальной компьютерной сети науки и высшей школы как уникального объекта инфраструктуры науки и образования»,

- с Федеральным агентством по образованию Российской Федерации «Обеспечение региональной связности отраслевой телекоммуникационной сети сферы образования» и № госре!истрации 0120 0 409936 «Разработка математической модели утроз безопасности систем и формирование методики мониторинга и прогнозирования состояния критических характеристик системы информационной безопасности»,

- с Государственным ПИИ системной интеграции «Разработка предложений по организации сетевого взаимодействия объектов управления сферы образования с учетом обеспечения безонастности",

- с ФГУ РНЦ «Курчатовский институт» № госрегистрации 0120 0 504287 «Разработка и исследование сегментов высокоскоростных участков научно-образовательной ссти базирующихся на новых протоколах передачи данных»,

- с СПб ГУ Ш МО «Разработка типовых сегментов высокоскоростных вычислений на ресурсах науки использующих новые технологии передачи данных» и № госрегистрации 0120 0 508458 «Анализ функционирования информационно-аналитических центров мониторинга в области информационно-телекоммуникационных систем»

Основания для выполнения работы

Работа явилась обобщением результатов исследований автора в период с 1996 года по настоящее время и выполнена в Федеральном государственном учреждении Государственный НИИ информационных технологий и телекоммуникаций «Информика» В последние юды работа связана с выполнением Программ Минобразования России «Научное, научно-методическое, материально-техническое и информационное обеспечение системы образования» (2000 - 2003 гг), «Государственная поддержка региональной научно-технической политики высшей школы и развитие ее научного потенциала» (2001-2002 гг), Федеральных целевых программ «Электронная Россия» (2002 - 2005 гг), «Интеграция науки и высшего образования» (2002-2004 гг ), «Развитие единой образовательной информационной среды» (2002 - 2005 гг), Федеральной программы развития образования (2000-2005), а также ряда хоздоговорных научно-исследовательских работ

Работа поддержана государственными грантами РФФИ по фундаментальным исследованиям в области технических наук (направление «Информационные технологии в проектировании изделий и технологических процессов их изготовления») по темам «Разработка системы коллективного пользования дня статистического анализа телекоммуникационных ресурсов» № 02-07-90026, 2002-2004гг , «Развитие материально-технической базы для проведения исследований в области мониторинга телекоммуникационных ресурсов и проблем информационной безопасности» № 04-07-900286, 2004г, «Система мониюринга, оперативной диагностики и контроля трафика 1Р-сетей », № 05-07-90360, 2005г Результаты выполнения работ по данным грантам размещены в виде свободно распросфаняемого ПО по адресу http //www informika ru

Апробация работы и публикации

Основные положения, представленные в диссертации, начиная с 1997 года, регулярно докладывались и обсуждались на научных мероприятиях различного уровня В том числе на

- Всероссийской научно-методическои конференции «Телематика», г Санкт-Петербург, 1997-20051 г

- IX Всероссийской школе-семинаре "Современные проблемы математическою моделирования" п Дюрсо, 2001 г

- Всероссийской научной конференции г Новороссийск, 2001

- Всероссийской научно-практической конференции г Петрозаводск, 2003

- Научно-техническом совещании "Создание телекоммуникационной среды высокопроизводительных технологий в регионах России состояние, проблемы", г Уфа, 2000г

- Конференции «Высокопроизводительные вычисления и технологии» Москва-Ижевск, 2003г

- X конференция представителен региональных научно-образовательных сетей "RELARN-2003" г Санкт-Петербург, 2003 г

- The 19th ICDE World Conference "The New Educational Frontier Teaching and Learning in a Networked World Vienna, 1999

- "LEARNTEC 2001" 9th European Congiess and Trade Fair for Educational and In-foimation Technology Karlsruher, Geimany, 2001

- The 18th ICDE World Conference "The New Learning Environment A Global Perspective The Pennsylvania State University, 1997

- 20-th World Conference on Open Learning and Distance Education "The Future of Learning - Learning for the Future Shaping the Transition" Dusseldorf, Germany, 2001

Результаты диссертационной работы непосредственно отражены в 80 публикациях, в том числе в монографии, в 15 статьях, опубликованных в журналах ВАК, в 11 статьях в других журналах и 38 трудах конференций, в 2 учебно-методических пособиях, а также 13 научно-технических отчетах по госбюджетным и хоздоговорным темам, выполненным по теме диссертации при непосредственном участии и руководстве автора

Структура и объем работы

Диссертация состоит из введения, 6 глав, заключения, списка литературы и приложений, включающих описание работы с пакетом upoipaMM TeleStat и акты внедрения результатов работы Работа изложена на 408 страницах машинописного текста, содержит 109 рисунков и 18 таблиц Библиографический список включае1 221 наименования и занимает 25 страниц

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, определена ее цель и задачи, сформулированы положения, выносимые на защиту, их научная новизна и практическая ценность Приведены основания для выполнения работы, ее апробация и структура

В первой главе проведены исследование и анализ состояния, перспектив и тенденций развития телекоммуникационных сетей Отмечено, что развитие научно-образовательных сетей происходит на нерегулярной основе, однако при этом обеспечиваются повышенные требования к пропускной способности как внутрироссийских, так и международных каналов, а также разнообразие сервисов телекоммуникационных сетей Фактор непланового и нерегулярного развития научно-образовательных сетей, связанный с нерегулярным финансированием, обуславливает особую необходимость в создании методов и средств эффек-

тивного мониторинга таких сетей на основе статистического подхода Это обусловлено следующими причинам

- повышение производительности клиентских компьютеров,

- увеличение числа пользователей в сети,

- активное освоение пользователями разнообразных сетевых сервисов,

- появление приложений, работающих с мультимедийной информацией,

- увеличение числа сетевых сервисов, работающих в реальном масштабе времени

Важное место в организации работы телекоммуникационной сети шрает система сетевого управления, которая позволяет администратору сети выполнять такие важные функции как

- сбор информации о работе сети,

- контроль текущего состояния ссти,

- конфигурирование отдельных сетевых узлов с целью обеспечения повышения надежности работы сети и оптимизации сетевого трафика,

- сегментирование загруженных участков телекоммуникационной сети,

- составление статистических отчетов

В данной главе рассмотрена организационная инфраструктура основных российских телекоммуникационных сетей и основные тенденции их развития ОАО «Ростелеком», ЗАО «Компания ТрансТелеКом», ЗАО "Газтелеком" и ОАО «Газком», «Энифком», а также региональные операторы электросвязи, входящие в состав компании «Связьинвест» Более подробно рассмотрены некоммерческие сети передачи данных, поскольку ФГУ ГНИИ ИТТ «Информика» является оператором крупнейшей научно-образовательной сети России Существующая межведомственная опорная сетевая структура НиКЫеЫШЫе! обеспечивает интеграцию всех паучно-образовательных сетей вне зависимости от их ведомственной принадлежности и предметной ориентации Указанная инфраструктура в настоящее время имеет точки присутствия в 55 субъектах РФ и интегрирована в глобальной Интернет системой международных каналов емкостью более 2,5 Гбит/сек Суммарная емкость ее магистральных каналов достигнет в 2007г - не менее 15 Гбит/с

В главе рассмотрены типовые технические решения организации доступа различных категорий пользователей сети, а также техноло! ии организации подключения пользователей к типовому узлу доступа и техническое обеспечение подключения локальных сетей к региональным и межрегиональным компьютерным сетям

В главе сделан вывод, что наиболее перспективным является использование специальных архитектур и технологий как для ор!анизации распределенных систем хранения информации, так и для управления доставкой информационного ресурса пользователям телекоммуникационных сетей в условиях высокой динамики роста количества и номенклатуры используемых сетевых приложений, характеризующихся повышенными требованиями к качеству сервисного обслуживания и информационной безопасности Наиболее перспективными для решения упомянутых выше задач являются

- архитектура et [ециал н зированных сетей хранения данных (SAN - Storage Area Network);

- архитек тура сети доставки контента (CDN -Content Delivery Networks).

Па Рис, I показано, как данные архитект уры позиционируются относительно основных элементов телекоммуникационной инфраструктуры.

Рисунок 1. Основные элементы телекоммуникационной инфраструктуры.

Данная новая категория сетевых технологий появилась, как результат формирования Н развития целой группы новых сервисов «электронного (или информационного) общества» (c-commerce, с-government, е-lea ruing, ц т.н.), и может рассматриваться, как характеристика нового качественного уровня в развитии информационных сетей. О России это направление Отождествляется с Федеральными целевыми программами «Электронная Россия» и «Развитие единой образовательной информационной среды».

Таким образом, проведенные в главе обзор, исследование и анализ состояния, перспектив и тенденций развития телекоммуникационных сетей на федеральном и региональном уровнях показывают, что:

1. Принципы создании, оснащения и развития российских телекоммуникационных сетей в целом соответствуют общепринятым в мировой практике и находятся на высоком инновационном уровне.

2. Российские телекоммуникационные сеги имеют общефедеральный охват и накрывают все регионы России, имеюг узлы в преобладающей части субъектов Российской Федерация.

3. Российские телекоммуникационные сети имеют значительные перспективы технологического развития при адекватном финансировании со стороны государства и коммерческих структур.

4. Российские телекоммуникационные сети отличаются нерегулярной структу-¡юй, связанной с неравномерностью плотности населения страны, неравномерным развитием регионов, несогласованным проектированием и нерегулярным ф инансировани ем.

5. Для российских телекоммуникационных сетей характерно ведомственное (корпоративное) разделение, что затрудняет их адекватный мониторинг с целью оптимальног о предоставления инфокоммуникационных сервисов.

6 В российском телекоммуникационном пространстве особо важную роль играют некоммерческие сети передачи данных, среди которых наиболее интенсивно развивается сеть сферы науки и образования RUNNet

7 Наиболее перспективными в настоящее время является архитектура специализированных сетей хранения данных (SAN - Storage Area Network) и архитектура сети доставки контента (CDN -Content Delivery Networks), которые следует рассматривать как основные методологии доступа к информационным ресурсам

8 Проведенный в данной главе анализ позволяет рекомендовать следующие региональные телекоммуникационные центры в качестве носителей «зеркал» -Нижний Новгород, Ростов-на-Дону, Самару, Екатеринбург, Новосибирск, Пермь, Хабаровск

Основной вывод главы используя одновременное развертывание сети доставки содержания и системы статистического мониторинга и анализа можно уже на ранних стадиях реализации телекоммуникационной сети обеспечить необходимую для сети управляемость и масштабируемость

Выбор характеристик телекоммуникационной сети с целыо ее мониторинга и анализа рассмотрены во второй главе Телекоммуникационные сети характеризуются наличием многомерных данных, которые могут быть исследованы с помощью методов многомерного статистического анализа Выделены значимые показатели в системе характеристик качества функционирования телекоммуникационной сети Оценка качества определяется сравнением значений показателей с некоторыми допустимыми границами Наиболее подходящая для телекоммуникационных сетей схема описания показателей качества дана в международном стандарте ISO/IEC 9126

В данной главе, с учетом вышеприведенною стандарта, определяются показатели качества телекоммуникационной сети

- пропускная способность сети - интегральный показатель, характеризующий объем пропускаемой информации,

- реакция на характеристики профиля трафика - для определения этой характеристики сеть моделируется как черный ящик, рассматривается реакция на изменение нагрузки на сеть,

- количество потерянных пакетов - для TCP сети 1-5% потерянных пакетов, согласно экспертным оценкам, находится в пределах нормы, 40% потерянных пакетов - предельное значение, при котором сеть практически не работает, однако, в настоящий момент существ} ют механизмы, позволяющие иметь 60-70% потерь и сохранять работоспособность сети,

- время доставки - измеряют временем двойного хода (в прямом и обратном направлении), этот показатель фиксируется с использованием программы PING,

- неравномерность доставки пакетов - эта характеристика влияет на работу отдельных приложений, например, передачи аудио потока в видеоконференции или пакетной телефонии

К показателям функционирования телекоммуникационной сети можно также отнести производительность, надежность и безопасность, совместимость, управляемость, расширяемость и масштабируемость В главе они рассмотрены более подробно

Процесс контроля работы телекоммуникационной сети обычно делят на два этапа - мониторинг и анализ В данной главе определяются понятия статистического мониторинга и анализа телекоммуникационной сети На этапе мониторинга выполняется процедура сбора первичных данных о работе сети статистика о количестве циркулирующих в сети пакетов, о состоянии портов концентраторов, коммутаторов и маршрутизаторов и т п По состоянию пеовичных характеристик телекоммуникационной сети определяют вышеуказанные характеристики функционирования сети

Определение Назовем текущим профилем телекоммуникационной сети совокупность текущих характеристик телекоммуникационной сети, измеренных в заданный временной интервал Таким образом, под мониторингом телекоммуникационной сети будем понимать сбор и фиксацию текущего профиля телекоммуникационной сети в заданный временной интервал

Далее необходим этап анализа, под которым понимается более сложный и интеллектуальный процесс осмысления, с использованием специальных инструментальных средств и методик, собранной на этапе мониторинга информации, сопоставления ее сданными, полученными ранее, и выработки предположений о возможных причинах сбоев в работе телекоммуникационной сети

Определение. Назовем нормальным профилем телекоммуникационной сети совокупность характеристик телекоммуникационной сети, которые установлены регламентом ее функционирования в заданный временной интервал Таким образом, под анализом телекоммуникационной сети будем понимать процесс сравнения текущею и нормального профилей телекоммуникационной сети в заданный временной интервал Под результатом анализа будем понимать совокупность зафиксированных значений расхождения между текущим и нормальным профилем телекоммуникационной сети по каждой характеристики

В результате обработки статистической информации о функционировании телекоммуникационной системы или компьютерной сети можно определить нормальный профиль сети. Выявление и предсказание отклонений от нормального профиля сети проводится системным администратором с целью определения возникновении нештатной ситуации и принятии соответствующего решения об изменении конфигурации системы или сети

В данной главе приведены практические задачи, для решения которых проводится мониторинг и анализ телекоммуникационной сети

Л) Предсказание изменения характеристик сетевого трафика на основе обработки статистической информации о работе сети В этом случае речь идет о статистическом анализе сетевого трафика как анализе временных рядов

Б) Интеллектуальное управление сетью для перераспределения сетевых ресурсов, в частности, пропускной способности виртуальных каналов Это достигается за счет статистического мультиплексирования с временным разделением пропускной способности между различными информационными приложениями При этом учитываются ограничения на доступную пропускную способность и уровень показателей качества

В) Исследование временных задержек вдоль маршрута прохождения пакета, снижение которых повышает качество работы сети В соответствии с протоколом TCP/IP пропускная способность со стороны источника пакетов определя-

ется текущим окном перегрузки, равным числу разрешенных к передаче пакетов до прихода пакета подтверждения Исследование и анализ статистики формирования данной характеристики приводит к уменьшению заполнения окна перегрузки и, соответственно, к увеличению пропускной способности соединения

Г) Следующая задача вытекает из предыдущей и заключается в формировании прогноза времени появления перегрузки сети и ее величины Интервал между моментами отсылки пакета из источника и получения пакета подтверждения называется RTT-задержкой [англ round-trip time - задержка] Для избежания простоев из-за ожидания потерянных и задержавшихся пакетов вводится пороговое значение RFT-задержки Пакеты считаются потерянными, если RTT превышает заданный порог По величине спрогнозированной RTT-задержки можно судить об уровне перегрузки и перенастроить величину окна, т е определить закон настройки окна перегрузки

Д) Контроль и прогнозирование переполнения буферов На пропускную способность участка сети между i-м и j-m узлами очевидно влияет очередь в узле j Эта очередь может возникнуть из-за ограниченного объема памяти данного буфера, низкой интенсивности разгрузки этого буфера, чрезмерно больших объемов информации, поступивших на него В связи с этим интенсивность потока информации от узла i к понижается, а в случае переполнения б}фера в уз-

ле ! передача информации прекращается и часть пакетов теряется Для предотвращения потери пропускной способности узла необходимо регулировать уровень загрузки буфера на основе статистического прогноза его переполнения

Е) Сравнение текущего профиля телекоммуникационной сети с нормальным профилем для выявления сетевых аномалий и предупреждения сетевого администратора

Таким образом, в данной главе сделаны следующие выводы Необходимая оценка качества функционирования телекоммуникационных сетей обуславливает активное использование статистических методов мониторинга и анализа Для сбора и обработки информации, необходимой для прогнозирования качества и надежности работы телекоммуникационных сетей, требуется создание программного комплекса многомерного статистического анализа данных

В третьей главе рассмотрены методы первичной обработки значений характеристик телекоммуникационной сети Как правило, российская телекоммуникационная ceib (в особенности научно-образовательная) состоит из устройств различных производителей Вследствие этого, необходимо использовать единыи язык управления сетевыми ресурсами и сбора статистической информации -язык SNMP - Simple Network Management Protocol

В главе рассмотрены процедуры сбора информации о работе телекоммуникационной сети С ноября 2000 года на сервере spb runnet ru системным администратором сети RUNNet, осуществлялся сбор данных с помощью протокола SNMP На сервере использовались такие технологии передачи данных как АТМ и Fast Lthernet Характеристики телекоммуникационной сети регистрировались с помощью четырехбайтового счетчика с интервалом 5 мин Для мониторинга были выбраны следующие характеристики загрузка канала на входе и выходе (байт), число пакетов на входе и выходе, число ошибок в их регистрации, загруз-

ка процессора (а %), объем свободной памяти процессора и системы ввода-вывода для маршрутизатора (байт).

Сбор и регистрация характеристик телекоммуникационной сети осуществлялись и точение длительного периода времени с помощью четырех байтовых счетчиков. П главе определена процедура преобразования первичной информации в случайную последовательность. Данная процедура предполагает анализ непосредственно первичной информации «накопительного» тина. Здесь случайной величиной является момент «обнуления» счетчика начиная от предыдущего «обнуления». Пе;мзым шагом алгоритма обработки первичных данных является фиксация значений характеристики сети - графическое отображение регистрации информации в процессе поступления, где Р -показание счетчика, в байтах; ' — время регистрации информации (Рис. 2).

XöflFXN ISO 09 100Е-ОР

I. S.'ir • п*

5.00E-DS n.nii F." пп

Рис. 2. Загрузка канала с интерфейсом А'ГМ за одни сутки.

Вторым шагом является преобразование исходной информации из количества байтов в частоты сброса или «обнуления» счетчика за определенные периоды времени. Введем переменную где / -номер наблюдаемой характеристики, выбранной для мониторинга и анализе сети. Например, P/IJ - зшрузка канала в момент времени.

Поданным столбца - P,(tj) формируется столбец /;'{(,) к соответствии со следующей формулой:

Ь, если Pl(lJ)<P,(t t)HPf(tl)<P (tjtl)

= ' (t) [О, в противном случае.

Сумма элементов столбца ¿¡'(Щсостоящего из 0 и 1, дает число сбросов счетчика за весь временной период Г, а анализ распределения единиц на временной оси позволяет установить численные оценки их распределения на определенных временных интервалах 7*.

Для мониторинга распределения моментов сброса счетчика переменной ЯЖ)по ряду ^'('Сформируется новая таблица, элементы которой фиксируют момент регистрации «единицы» и интервал времени 1ц между соседними сбросами.

Чем больше величина tk (ин тервал времени между сбросами счетчика), тем реже происходит сброс счетчика, медленнее накапливается объем информации в Сайтах, меньше интенсивность поступления информации. Значения h являются

случайными величинами, точность которых в силу технологии регистрации исходной информации составляет 5 мин Распределение на временной оси показывает динамику изменения интервалов времени между сбросами, что позволяет проследить вариации интенсивности поступления информации в зависимости от времени суток, например, в ночные и дневные часы

Третий шаг состоит в процедуре преобразования первичной информации накопительного типа в случайную последовательность с равным интервалом времени Данная процедура преобразовывает случайную последовательность «накопительного» типа в обычную случайную последовательное! г, с равными интервалами времени в 5 мин В этом случае анализируемой случайной величиной является либо количество информации в байтах, поступившее за интервал времени 5 мин, либо число пакетов за 5 мин, либо объем свободной памяти процессора маршрутизатора или системы ввода/вывода в байтах Накопленная счетчиком за 5 мип информация х(1) составляет

' ~ + РЦ,) ~ П',-,), если Р(/,) - Р(1Н) < 0, (2)

Разработанные процедуры позволяют более детально рассмотреть и проанализировать динамику изменения информационных потоков, циркулирующих в сетях, и определить особенности случайных последовательностей характеристик телекоммуникационной сети Проведенный анализ позволяет сделать вывод, что вход системы загружен больше, чем выход Это отражает, прежде всего, востребованность информационных ресурсов, размещенных в сегменте Я1ЖЫе1 российски о Интернет

В данной главе выделены основные особенности статистического мониторинга телекоммуникационной сеги нестационарность, неоднородность, периодичность (неравномерноегь загрузки каналов), сложная форма периодического сшнала, формы сигналов ближе к трапецивидным с явно выраженным «плато» в области максимальных загрузок, количество шумов (явно выпадающих точек) больше при максимальных загрузках

В главе проведено исследование и анализ информационных потоков, циркулирующих в телекоммуникационных сетях с целью выбора адекватной модели для мониторинга и анализа телекоммуникационных сетей Рассмотрены наиболее распространенные математические модели системы, такие как

- марковская модель системы,

- моделирование сетевого трафика фрактальным броуновским движением,

- моделирование временных рядов

Моделирование различных характеристик, описывающих работу сети, таких, как объем трафика, количество потерянных пакетов и др в виде временных рядов имеет очевидное преимущество по сравнению с вышеупомянутыми способами При построении модели временных рядов используется экспериментальная информация, полученная в реально функционирующей сети, требуется меньше допущений (например, о стационарности) и, следовательно, более адекватно отражается реальный объект, т е телекоммуникационная сеть

В результате исследований, проведенных в данной главе можно сделать следующие выводы

- В качестве инструмента первичного сбора статистической информации о функционировании телекоммуникационной сети выбрана процедура сбора информации с помощью протокола управления SNMP

- Выбраны и рассмотрены две процедуры преобразования первичных значений основных характеристик телекоммуникационной сети во временной ряд и случайную последовательность

- Проанализированы характеристики сетевого трафика телекоммуникационной сети RUNNet и выявлены их особенности

- Анализ доступной по сетевым протоколам информации позволил выделить группу данных для последующего исследования методами прикладной статистики и организовать ее постоянный сбор для роутера spb-gw runnet ru

- Показано, что для анализа характеристик функционирования телекоммуникационной ссти целесообразно использовать статистический анализ временных рядов

- Проведено исследование и анализ информационных потоков, циркулирующих в телекоммуникационных сетях с целью выбора математической модели Статистические модели телекоммуникационных сетей в виде временных рядов наиболее достоверны, так как основаны на большом числе экспериментальных данных, а, следовательно, являются и наиболее информативными для прогноза состояния сети

В четвертой главе проведен выбор, адаптация и разработка математических моделей, методик и алгоритмов для построения системы статистического мониторинга и анализа характеристик функционирования телекоммуникационной сети TeleStat. Рассмотрены методы статистического анализа, такие как регрессионный анализ, дискриминантами анализ, кластер-анализ, использование нейронных сетей

В частности, в системе TeleStat реализованы следующие методы регрессии линейная peí рсссия (включая пошаговые схемы), метод ближайших соседей, нейронная сеть

В системе TeleStat используется дискриминантный анализ (ДА) Назначение данного анализа

оценка разделимости групп (классов) объектов, заданных обучающими выборками (ОВ),

построение решающих правил (РГ1) для классификации новых объектов в один из классов (групп)

В системе TeleStat реализованы следующие методы линейный ДА (включая пошаговую схему), метод ближайших соседей, нейронная сеть

Результаты работы статистической процедуры представляются в статистической системе анализа телекоммуникационной сети TeleStat в виде рабочей книги, состав страниц которой зависит от выбранной процедуры Это могут быть страницы содержащие таблицы коэффициентов (например, регрессии), таблицы статистических характеристик, состав выделенных групп объектов, характеристики качества прогноза, таблицы прогнозных значении и т д

Процедуры-кластер-анализа, реализованные в системе Те1е8и1, предназначены для оказания поддержки исследователю при решении следующих задач

выявления кластеров (однородных групп объектов) в заданной совокупности объектов при заданной метрике,

интерпретации результатов кластер-анализа

В системе Те1е81а1 используются нейронные сети с несколькими упорядоченными слоями нейронов Для создания нейронной сети, которую можно использовать для классификации многомерных объектов или для предсказания значений независимой переменной (в случае задачи регрессионного анализа или прогноза временных рядов), что особенно важно в случае статистического анализа телекоммуникационной сети, необходимо

задать архитектуру сети, т е задать количество слоев и количество нейронов в каждом из них,

оценить весовые коэффициенты для всех нейронов сети Для целен статистического анализа телекоммуникационной сети наибольший интерес представляет прогнозирование будущих значений ряда, представляющих значения основных характеристик телекоммуникационной сети Процедуры предсказания основываются на моделировании структуры рядов Примерами моделей одномерных временных рядов могут служить модель тренда или авюрегрессионная модель

В главе приведена таблица методов анализа временных рядов с целью использования их для анализа загрузки телекоммуникационных каналов

Таблица 1 Методы анализа временных рядов

Метод Характеристика метода

Спектральный анализ Позволяет находить периодические составляющие временного ряда

Корреляционный анализ Позволяет находить существенные периодические зависимости и соответствующие им задержки как внутри ряда (автокорреляция), так и между несколькими рядами (кро-скорреляция)

Модели авгорег-рессии и скользящего средни о Модели ориентированы на описание стационарных процессов. Позволяют предсказать будущее значение ряда

Многоканальные модели авторег-рсссии и скользящего среднею Модели применяются в тех случаях, когда имеется несколько коррелированных между собой временных рядов, в которых имеются колебания, возбуждаемые одной причиной Позволяют предсказывать будущие значения ряда

Модель Бокса-Дженкинса АРИСС (без сезонной и с сезонной составляющей) Применяется, когда для нестационарных временных рядов (явно выраженный тренд и сезонные составляющие), которые могут быть преобразованы к стационарным с помощью разностных операторов Позволяют предсказывать будущие значения ряда

Экспоненциальное сглаживание Семейство простых, но часто эффективных процедур прогноза временных рядов

Разработана математическая модель загрузки канала телекоммуникационной сети При построении математической модели учитывалась основная цель построения статистической системы анализа телекоммуникационной сети

-получение основных вероятностных и статистических характеристик для объемов информации, поступающей за определенные промежутки времени

Подобные статистические характеристики позволяют судить о стабильности работы сети Построение математических моделей делает возможным прошози-рование работы каналов и телекоммуникационной сети в целом и определение моментов или сроков опасного приближение, загрузок каналов к предельным значениям, определенным пропускной способностью

На основе предварительного анализа статистической информации (см гл 3) в качестве математической модели для описания поступления и передачи информации по каналам телекоммуникационной сети предлагается стедующая модель

Y(l)=f(t)+g(t)+e(t) (3)

где f(t) - тренд, медленно меняющаяся во времени функция, описывающая изменения среднесуточных (средненедельиых) загрузок, g(t) - периодическая составляющая,

e(t) - случайная последовательность, относительно которой делается предположение о равенстве нулю ее математического ожидания M[c(t)]=0

Сезонная составляющая, входящая в тренд, и он сам могут быть оценены по наблюдаемым значениям ряда с помощью стандартной процедуры декомпозиции ряда на эти составляющие Моделирование тренда может проводиться и на основе параметрических моделей с помощью методов регрессионного анализа (например, с использованием моделей полиномиального тренда) Анализ случайной составляющей c(t) в модели (3) возможен лишь после «очистки» данных от детерминированных составляющих - тренда f(t) и периодической функции g(t)

В главе определена сезонная составляющая в математической модели загрузки канала телекоммуникационной сети Использование периодограммы позволяет выявить периодические колебания в динамике временного ряда В главе проведена процедура выделения тренда в математической модели загрузки канала телекоммуникационной сети Эта задача решается с помощью метода наименьших квадратов, и уравнение регрессии имеет вид

f = û0+âi Т^ (4)

i де Y - значение ряда, аО , al - коэффициенты регрессии, t - время Особенностью изучаемых временных рядов, отражающих тенденции значений характеристик телекоммуникационной сети, является невозможность автоматического обнаружения тренда, что связано с наличием периодической составляющей и аномальных наблюдений Для выделения тренда предложено применять сглаживание Для сглаживания первичных значений характеристик телекоммуникационной сети в главе рассмотрен метод скользящих средних В данной работе был применен регрессионный анализ, в котором в качестве неза-

писнмон переменной выступает время, выраженное в сутках, и выходной переменно й - среднесуточная загрузка канала.

В главе рассмотрен анализ случайной компоненты в значениях характеристик телекоммуникационной сети. После исключения из временного ряда компонент, соответствующих периодическим изменениям и тренду, остается ряд, Представляющий собой некоторую постоянную величину или случайную компоненту. Свойства и характеристики случайной последовательности e(t) модели (3) изучаются с помощью методов математической статистики и методов анализа случайных последовательностей.

Одна из основных целей анализа временных рядов состоит в прогнозировании поведения изучаемой системы на некоторый исследуемый период времени. Вели предложенный временной ряд разлагается на такие компоненты, как тренд, периодичность и случайную составляющую, то можно предсказать будущее каждой компоненты и, воссоединяя их, предсказать будущее всего ряда. В данной работе в исследуемом объекте — телекоммуникационной сети интерес представляют лишь следующие типы изменения й характере поведения системы:

- более ити менее регулярное изменение средних значений загрузок канала;

- монотонное линейное изменение загрузки канала (тренд) до некоторого порогового значения; порог овое значение на практике принято как 80 - 90 % от максимальной значения;

- резкое изменение средних значений параметров загрузки канала («скачок» средних значений).

На следующих рисунках (Рис.3, Р»с.4, Рис.5) показаны характерные тенденции я изменении трафика телекоммуникационной сете.

Рмс.З Изменение средних значений загрузок канала

Рис.4 Монотонное линейное изменение загрузки канала (тренда)

I ) { | I ; I I I I I I I 1 I 1 ] I ■ I 1 | ; I 1 Г|

: ) I ; ? I : ; ! 5 г * \ ? г г * I : : ! : ! ; ! 1'ис,5 Изменение с|>едних Значений параметров («скачок» средних)

При прогнозировании необходимо анализировать эти три тина изменения. Анализ, в данном случае заключается а сравнении нормального и текущего профилей телекоммуникационной сети. При появлении различий, необходимо либо:

- за но по оценить параметры системы, т.с, определить новый нормальный профиль телекоммуникационной сети;

- принимать решение об изменении конфигурации самой телекоммуникационной сети.

Таким образом, в данной главе выявлены особенности представления значений характеристик телекоммуникационной сети в виде временного ряда. Анализируемые характеристики телекоммуникационной сети образуют случайные временные ряды. Анализ временных рядов значений характеристик телекоммуникационной сети позволяет предсказать будущее фуикцнонированщ телекоммуникационной сет и на основании знания прошлого, управлять параметрами сети, выяснить механизм, порождающий ряд, или просто Описать характерные особенности ряда.

В пятой главе модифицированы и разработаны алгоритмы статистической системы анализа телекоммуникационной сети, в частности реализованы на алгоритмическом уровне методы анализа данных с пропущенными значениями я анализа резко выделяющихся (аномальных) наблюдений; для целей кластер-анализа аэаптироваиы алгоритм к-средних и иерархической классификации.

Алгорит м к-средних, реализованный в системе Те!еК1а1, представляет собой частный случай общего метода динамических сгущений. Идея метода состоит в таком разбиении множества объектов на заранее известное число классов к, чтобы минимизировался функционал, заданный равенством:

(5)

где > - центр ]-го класса.

с,

[¿ели центры > являются центрами тяжести классов, то этот метод сводится к методу центра тяжести или к средних. Если, кроме того, расстояние с! определяется как евклидово, то функционал V»' заменяют на

В статистической системе анализа телекоммуникационной сети реализован ряд алгоритмов восходящей, или агломеративной, иерархической классификации (ВИК)

Основные причины, делающие алгоритмы ВИК необходимыми для анализа данных в телекоммуникационной сета, следующие

- получается иерархическая последовательность вариантов разбиения (кластеризации) исходного множества объектов, содержащая разбиения с любым допустимым числом классов от 1 до п Эти разбиения называются частичными иерархиями и для них используется обозначение где к - номер шага, следовательно, иерархии соответствует число классов n-k+1,

- результаты работы алгоритмов ВИК допускают весьма удобное для анализа графическое представление бинарное иерархическое дерево (дерево классификаций, или дендрограмму)

Для анализа сезонно-трендовых моделей временных рядов разработаны алгоритмы двухфакторного разложения Алгоритмы, объединенные в эту группу, имеют общую входную форму и некоторые их части также совпадают, поэтому программно они могут быть реализованы в одной процедуре Для применения этих алгоритмов временной ряд разворачивается в двухвходовую таблицу Это возможно в том случае, когда наблюдения временного ряда содержат внутренний цикл (например, сезонную составляющую) Тогда из реализации временною ряда формируется таблица размера N*M (N строк, М-столбцов) где N*M — общее число наблюдений

M - количество внутренних циклов (сезонов) N - число наблюдений во внутреннем цикле Адаптирован алгоритм, основанный на удалении средних значении Алгоритм позволяет разложить временной ряд на 3 аддитивные компоненты тренд, сезонную составляющую и случайную компоненту Достоинства алгоритма не нуждается в итерировании, минимизирует сумму квадратов остатков, результаты легко интерпретируются

Для обработки рядов с выбросами разработан итерационный алгоритм медианного сглаживания Как и предыдущий этот алгоритм позволяет разложить временной ряд на 3 аддитивные компоненты тренд, сезонную составляющую и случайную компоненту При этом обеспечивается высокая устойчивость к выбросам в данных

Для анализа рядов остатков, получаемых в результате применения двух предыдущих алгоритмов, разработан алгоритм разложения по целевым факторам В результате применения этого алгоритма ряд остатков, "свернутый" в двухвходовую таблицу, непараметрическим путем раскладывается на таблицы равные по размерности исходной С каждой таблицей связывается пара векторов Аддитивная сумма таблиц образует исходную таблицу остатков Пары векторов, связанные с таблицами, являются поправками к тренду и сезонному поведению полученных ранее с помощью алгоритма основанного на удалении средних или алгоритма медианного сглаживания

Адаптированы алгоритмы вычисления оценок спектральной плотности Спектральная плотность мощности стационарного процесса определяются как преобразования Фурье автокорреляционной функции и описывается, как мощ-

ность случайного процесса распределения по час юте и является для действительных реализаций четной неотрицательной функцией частоты Аналогично взаимная спектральная плотность мощности двух стационарных процессов определяется как преобразование Фурье взаимокорреляционной функции и в общем случае является комплекснозначной функцией

Таким образом, для реализации в статистической системе анализа телекоммуникационной сети представлен алгоритм анализа данных с пропущенными значениями - для применения в случае многомерных временных рядов, модифицирован подход на основе целенаправленного проецирования визуального метода анализа резко выделяющихся наблюдений, адаптирован алгоритм к-средних при заданном числе классов, представлен ряд алгоритмов восходящей или агло-меративной, иерархической классификации, адаптированы и разработаны следующие алгоритмы обработки рядов содержащих компоненты тренда и сезонности основанные на развертке ряда в двухвходовую таблицу алгоритм, удаления средних значений, итерационный алгоритм медианного алаживания, алгоритм разложения по целевым факторам отобраны типы окон в области данных для вычисления оценок спектральной плотности Рассмотрены тесты для проверки непараметрических гипотез во временных рядах

Для оптимизации структуры моделей временных рядов развит подход основанный на использовании штрафных функций с возрастанием величины штрафа при возрастании сложности модели.

В шестой главе приведены экспериментальные результаты реализации подходов и методов, разработанных в главе 4 в соответствии с алгоритмами, разработанными в главе 5 Эксперименты проводились в научно-образовательной сети RUNNet при помощи комплекса программ сетевого администратора Роутер, AFIN Г, Анализатор трафика н TeleStat на основе анализа совокупности ее временных характеристик, представленных в виде параметров временных рядов Анализируемая информация касается следующих аспектов работы телекоммуникационной сети

- объемов поступающей и выходящей информации выраженных в количестве пакетов на входе и выходе,

- ошибок в регистрации пакетов,

- количества вошедших системных пакетов,

- загрузки процессора за 5 мин ,

- объемов свободной памяти процессора и системы ввода-вывода роутера

С помощью статистического пакета программ TeleStat для обработки данных подобного типа (подробно описан в Приложении 1 диссертации) регистрируемая информация может обрабатываться как для получения числовых характеристик случайных последовательностей, их корреляционных функций, так и для проведения анализа наличия трендов, применения методов идентификации моделей и других свойств случайных последовательностей

Экспериментальная оценка качества прогноза как с помощью модели (3), так и с помощью набора моделей реализованных в системе TeleStat проводилась на рядах экспериментальных данных представляющих собой значения характеристик телекоммуникационной сети RUNNet Каждый из рядов разбивался на две части (интервала) - интервал обучения и интервал тестирования На ннгер-

вале обучения проводилась оценка параметров модели, а на интервале тестирования - реальные значения ряда (не использованные в обучении) сравнивались с прогнозными Известно, что часто, модели, которые дают хорошее совпадение с данными на интервале обучения, могут давать неудовлетворительный прогноз на интервале тестирования Оценки точности модели, полученные на интервале тестирования, могут служить оценкой точности, получаемой при прогнозировании в реальной ситуации

Одной из наиболее полезных мер качества прогноза является средняя относительная ошибка остатков МАРЕ; другой - коэффициент детерминации Я2 На Рис 6 приведен пример прогнозирования ряда загрузки центрального процессора маршрутизатора в %, измеренного через 5-ти минутные интервалы Интервал тестирования был выбран равным 288 отсчетам (т.е равен 1 суткам)

На рисунке приведена часть интервала обучения и интервал тестирования Тонкая линия соответствуют границам 99% доверительного интервала для прогноза на интервале тестирования, толстая линия соответствует реальным значениям ряда, нормальная линия - прогнозным Визуальный анализ показывает, что линии прогноза и реальных значений на интервале тестирования имеют большее расхождение, чем на интервале обучения, что и должно ожидать В то же время, показатели качества прогноза оказываются удовлетворительными, как следует из следующей Таблицы 2

Таблица 2

Коэффициент Обучение Тестирование

Я* 0 981 0 8245

МАРЕ 0 023 0 0508

Аналогичные результаты получены и при моделировании других рядов значений характеристик телекоммуникационной сети Величина МАРЕ во всех случаях не превышала 0 11 (т е 11%)

В ходе проведения экспериментов возник ряд трудностей, связанных с непрерывной обработкой большого массива данных, поскольку все характеристики сетевого трафика собирались в один файл Для их преодоления были разработаны две программы «Роутер» - для статистического анализа данных на основе

долговременной статистики и «А!:ШТ» - для спектрального анализа. Программы включают в себя описанные выше методы. В настоящее время щи программы включены в систему поддержки принятия решения для сетевого администратора научи о-образовательной сети

Программа «Роутер» имеет многооконный интерфейс, в котором реализованы:

процедура преобразования данных от накопительного типа к случайной последовательности;

метод агрегирования данных с любым периодом; мет од конечных разностей первого и второго порядка с любым шагом; методика, основанная на конечных разностных операторах, для удаления основных периодических гармоник;

методика обнаружения выбросов па основе агрегирования данных; визуализация данных.

Программа позволяет работать с любым количеством характеристик сети, при визуализации данных реализована возможность изменения масштаба графика с помощью выделения нужного участка мышью, что дает возможность более детально изучить исследуемый временной отрезок. Па следующем рисунке (Рис.7.) показан результат построения [ рафика работы канала.

Рис.7. Результат построения т рафика

Предложенные методы спектрального анализа, описанные в Главе 4, реализованы в программе ЛИМТ, в нес включены: разложение временного ряда в ряд Фурье;

процедура определения доминирующи,* гармоник но критерию Фи терн; визуализация данных.

Однако как было сказано выше, в наблюдаемом процессе имеются аномальные наблюдения, поэтому был использован критерий поиска резко выделяющихся наблюдений. Для данного критерия выбирается п - размер наблюдаемого окна, затем в каждом окне строится вариационный ряд т\2, ..., пн} и находится безразмерная величина которая вычисляется по следующей формуле:

Выбросом будет считаться наблюдение, у которого £>£кр. При уровне значимости 0,05 цкр =0,7. Данный критерий был включен в программу для коррек г-

ной оценки периодической составляющей модели (3). При удалении аномальных наблюдений используется линейная аппроксимации двух случайных составляющих.

При визуализации данных реализована возможность отображения исходного ряда, модельного ряда, разницы между исходным и модельным рядом. Кроме того, возможно наложение на исходный ряд модельного ряда (Рис.8).

Рис. 9. Среднесуточные загрузки канала зрЬ- к«. К ин Ыс!ги

Визуализация результата показала, что среднесуточные загрузки каналов не одинаково распределены, как при рабочих и выходных днях, так и по дням недели (Тис.9). Проведенный спектральный анализ для среднечасовых загрузок канала показал, что основными периодическими составляющими являются суточная и недельная гармоники.

Выбросом предложено называть загрузку канала, которая превышает максимальные среднечасовые загрузки канала за сутки и выходящие за два стандартных отклонения от этого максимального среднего:

гдеЛ — загрузка канала при / —тых сутках;

л- т.* - максимальная среднечасовая загрузка канала за / - сутки;

сг ^ - стандартное отклонение при максимальной среднечасовой загрузке капала за / - тыс сутки.

Данная методика была включена в программу «АПК!'». 8 результате были Обнаружены аномальные наблюдения загрузки каналов. *

Метод конечных разностей 1-го и 2-го порядка позволяет исключить влияние тренда, если он описывается полиномом не выше 2-го порядка. Подобная методика приводит к исключению влияния тренда на дисперсию случайной составляющей временного ряда.

Рис. 10. Результат применения метода конечных разностей.

Для использования агрегирования данных и модифицированного метода конечных разностей при обнаружении аномальных наблюдений необходима статистика как минимум двухнедельной давности, так как данные аномалии не обнаруживаются в режиме реального времени. Эти процедуры позволяют идентифицировать аномалии для дальнейшего их анализа: выявления особенностей, видов распределения выбросов или распределения интервалов времени между выбросами, законы их появления и прогнозирования. (Рис. !0). После идентификации аномалий, их возможно удалить из общего массива данных. Это достигается с помощью линейной аппроксимации двух случайных составляющих (метол вычисления средних значений последующего и предыдущего значения). Допустим наблюдениех(11) в момент времени /_, является выбросом, тогда: *(%) =---—---

Для прогнозирования загрузки капала использовался метод экспоненциального сглаживания. При прогнозировании наибольший интерес представляет изменение среднесуточных загрузок канала. Ниже представлены графики результатов прогнозирования с помощью экспоненциального сглаживания (Рис. 11).

Рис. П Прогнозирование с помощью экспоненциального сглаживания для загрузки канала с интерфейсом ATM.

В функции программы Анализатор трафика входят

- непрерывный мониториш трафика сети,

- сравнение текущего профиля сети с нормальным профилем сети,

- выдача системному администратору предупреждений и рекомендаций в случае возникновения отклонений текущих характеристик сети (текущего профиля сети) от нормального профиля сети

После установки программа запускается в режиме обучения В этом режиме программа собирает информацию о трафике, воспринимая его как нормальный режим работы сеги, тем самым формируется нормальный профиль телекоммуникационной сети Обработка накопленной информации заключается, во-первых, в спектральном анализе, во-вторых, в вычислении тренда и, в-третьих, в определении частоты появления выбросов

Для спектрального анализа используется представление данных в виде ряда Фурье Далее из полученных гармоник отделяются те, которые являются значимыми по критерию Фишера

oo5,v„V2)

СГ /г2 (.Ш)

/(са,) = Л,2 + В]

где а2 - оценка дисперсии ряда, V] и v2 - количество степеней свободы (2 и N) А„ В, - коэффициенты при sin и cos разложения ряда Фурье

Полученные гармоники покрывают 95% дисперсии ряда, и они запоминаются в отдельном файле как спектральная характеристика нормального профиля телекоммуникационной сети

Для вычисления тренда используется метод скользящего среднего Простое сглаживание основывается на составлении нового ряда из простых средних арифметических, вычисленных для промежутков времени длиной q

x{k)=Y,x(t)/g, (k = 1,2, n-q + 1), (U)

где длина периода сглаживания q зависит or характера временного ряда, а также от цели сглаживания и выбирается исследователем экспертным путем, к -порядковый номер средней точки окна

Все эти параметры сохраняются в отдельном файле, и программа переключается в режим анализа В этом режиме программа раз в 5 минут фиксирует загрузку сети и сравнивает это значение со значением, вычисленным при формировании спектра нормального профиля телекоммуникационной сети В случае отклонения полученного значения от нормального профиля более чем на (где а - дисперсия ряда, характеризующего нормальный профиль) на протяжении 6 измерений (т е в течение получаса) программа фиксирует серьезное отклонение и начинает определять его причину Для этого производится спектральный анализ, вычисление тренда и количества выбросов за последние две недели

Определены уровни опасности, соответствующие следующим вариантам изменения ситуации

- Низкий уровень опасности имеет увеличение количества выбросов Если это зафиксировано, то администратору будет выдано предупреждение и рекомендация проверить сеть на появление вирусов, т к велика вероятность того, что выбросы связаны с деятельностью сетевых «червей»

- Средний уровень опасности представляет изменение спектральной характеристики ряда Очевидно, что нормальный профиль телекоммуникационной сети подчиняется суточным и недельным колебаниям загрузки Если же произошли отклонения, значит один или несколько пользователей перешли на круглосуточный (и/или без выходных) режим работы и администратору будет предложено уделить этим пользователям внимание

- Высокий уровень опасности представляет изменение тренда Оно означает, чю происходит медленный, но верный рост загрузки телекоммуникационной сети и в ближайшем будущем возможно переполнение ее пропускной способности Администратору будет рекомендовано изменить стратегию развития телекоммуникационной сети с целью увеличения пропускной способности каналов

- Опасным варианюм является скачкообразное увеличение среднего значения ряда. Эго означает, что сеть перешла в режиме, близком к аварийному и может начать не справтяться с загрузкой

В случае проведения работ по реконфигурации или модернизации сети, ее нормальный профиль изменится Поэтому в программе предусмотрена возможность переобучения но новым данным функционирования телекоммуникационной сети В этом случае, нрофамма переходит в режим обучения и фиксации данных для создания нового нормального профиля сети, отвечающего текущему се состоянию

Таким образом, в данной i лаве проведен анализ и исследование характеристик телекоммуникационной сети с помощью пакета npoi рамм TeleStat, включая использование процедур подготовки и обработки данных, анализ и исследование данных, преобразование накопительных рядов с обнулением, преобразование рядов ошибок регистрации, обработку рядов с выбросами, анализ дв>мерных диаграмм рассеивания с помощью матричного дисплея Для оперативной статистической обработки характеристик сетевого трафика на основе долювремеинои статистики была разработана и представлена профамма «Роутер» Для анализа периодической составляющей на основе модифицированного метода спектрального анализа, описанною в главе 4, разработана и представлена программа «ЛПЫТ»

Представлены результаты проведения экспериментов по основным методикам анализа и исследования телекоммуникационной сети идентификация аномальных наблюдений, метод ai регирования данных, метод конечных разностей, прогнозирование сетевого трафика по методу экспоненциальною сглаживания В результате

а Разработана модифицированная методика повышения значимости регрессионной модели за счет удаления периодической составляющей и последующего применения метода скользящего среднего

b Разработан модифицированный метод конечных разностных операторов для исключеггия влияния тренда и основных гармоник периодической составляющей

с Выявлена хорошая адаптация метода экспоненциального сглаживания к изменениям в поведении временного ряда при прогнозировании загрузки канала на короткий период

с! Предложены методики идентификации аномальных наблюдений на основе агрегирования данных, конечных разностных операторов и критерий резко выделяющихся наблюдений

Исследование с помощью программы «Анализатор трафика» проводилось на следующей топологии телекоммуникационной сети (Рис 12)

окончмшмisi'/wcm ur

Рис 12

В ходе диссертационного исследовании получены след>ющне основные результаты:

1 Выполнены исследование и анализ текущего состояния, перспектив и тенденций развития телекоммуникационных сетей на федеральном и на региональном уровнях, в результате чего выявлено, что российские телекоммуникационные сети отличаются нерегулярной структурой, что обусловлено нерегулярным проектированием и финансированием, для российских телекоммуникационных сетей характерно ведомственное (корпоративное) разделение, что затрудняет их адекватный мониторинг с целью эффективного предоставления ин-фокоммуникационных сервисов

2 Определены понятия мониторинг и анализ телекоммуникационной сети со статистической точки зрения как процессов, связанных с выявлением нормального и текущего профилен телекоммуникационной сети и исследования их статистическими методами

3 В качестве инструмента первичного сбора оатистической информации о функционировании телекоммуникационной сети выбрана процедура сбора информации с помощью протокола управления SNMP Выбраны и рассмотрены

процедуры преобразования первичных значений основных характеристик телекоммуникационной сети во временной ряд и случайную последовательность, позволяющие переити к анализу и моделированию информационных потоков

4 Разработана математическая модель загрузки канала телекоммуникационной сети Данная математическая модель телекоммуникационной сети для целей статистическою мониторинга и анализа основывается на том, чго последовательные значения характеристик телекоммуникационной сети образуют временные ряды Анализ временных рядов значений характеристик телекоммуникационной сети позволяет предсказать функционирование сети в будущем на основании знания их прошлого функционирования, выяснить механизм, порождающий ряд, или описать характерные особенности ряда

5 Для целей статистического анализа телекоммуникационной сети модифицированы методы статистическою анализа, такие как регрессионный анализ, дискриминаптныи анализ, кластер-анализ, нейронные сети Адаптирован алгоритм к-средних и ряд алгоритмов иерархической классификации для анализа данных в телекоммуникационной сети Адаптирован алгоритм анализа данных с пропущенными значениями длч применения в случае многомерных временных рядов Модифицирован подход на основе целенаправленного проецирования для анализа резко выделяющихся наблюдении

6 Предложены методики преобразования данных, циркулирующих в глобальных сетях, учитывающие особенности средств регистрации поступающей информации и предложена модель для описания передачи информации по сети

7 Для моделирования и прогноза временных рядов адаптированы следующие алгоритмы обработки рядов содержащих компоненты тренда и сезонности алгоритм удаления средних значений, итерационный алгоритм медианного сглаживания, алгоритм разложения рядов остатков по целевг.гм факторам Развиты методы моделирования временных рядов с оптимизацией параметрической структуры моделей с помощью штрафных функций Указанные алгоритмы реализованы в пакете программ Ге1е81а1 для анализа данных в телекоммуникационных сетях

8 Выделены основные показатели функционирования телекоммуникационной сети для целей статистического анализа и мониторинга и, наиболее информативная характеристика - загрузка канала Анализ загрузок каналов дает информацию об их стабильности и надежности позволяет эффективно управлять каналом, находить узкие места и делать прогнозы о необходимости дальнейшего расширения канала или ссти

9 Проанализированы характеристики сетевого графика научно-образоватечьной сети 1ШКЧ\!с1, выявлены их особенности нестационарность, неоднородность, периодичность, сложная форма периодического сигнала Па основе проведенных экспериментов сделан вывод, что для анализа характеристик функционирования телекоммуникационной сеги целесообразно использовать статистический анализ временных рядов

10 Приведены экспериментальные результаты реализации разработанных и модифицированных научных методов и методик в соответствии с разработанными алгоритмами А именно

-проведен анализ и исследование характеристик научно-образователыюи сети RUNNet с помощью пакета программ TeleStat,

- для статистической обработки характеристик сетевого трафика на основе долговременной статистики разработана программа «Роутер»,

- для анализа периодической составляющей на основе модифицированного метода спектрального анализа разработана и представлена программа «AFINT»,

- программа «Анализатор трафика» разработана с целью обработки статистической информации о функционировании телекоммуникационной сети и выдачи рекомендаций системному администратору сети, с ее помощью можно определить нормальный профиль сети (этап анализа), выявить отклонения от нормального профиля сети (этап мониторинга) с целью определения возникновении нештатной ситуации и принятии соответствующего решения об изменении конфигурации или загрузки сети,

представлены результаты исследования загрузок каналов научно-образовательной сети RUNNet по интерфейсам ATM и FastEthemet на основе анализа и исследования составляющих математической модели, которая описывает поступление и передачу информации по каналам связи, в частности представлены результаты проведения экспериментов по основным методикам анализа и исследования телекоммуникационной сети идентификация аномальных наблюдений, метод агрегирования данных, метод конечных разностей, прогнозирование сетевого трафика по методу экспоненциального сглаживания

Таким образом, в диссертации решена крупная научная проблема, имеющая важное социально-культурное и хозяйственное значение для развития телекоммуникационных систем и компьютерных сетей, а именно*

1 С целью исследования общих свойств и принципов функционирования телекоммуникационных систем и компьютерных сетей разработаны научные основы статистического мониторинга и анализа телекоммуникационных сетей

2 Проведен теоретический анализ н экспериментальные исследования функционирования научно-образовательных телекоммуникационных сетей основанные на разработанной научной базе

3 Разработаны новый научный подход к методы анализа, обеспечивающих контроль и диагностику функционирования телекоммуникационных систем и компьютерных сетей

4 Разработан, апробирован и внедрен комплекс рлюрнтмнческнх средств и программ для различного уровня обеспечения контроля и диагностики функционирования телекоммуникационных систем и компьютерных сетей, начиная от системного администратора телекоммуникационной сети до системно! о аналитика

Эффективность комплекса программных средств подтверждается внедрением разработанных в диссертации теоретических основ, методов и алгоритмов как на федеральном уровне - в Министерстве образования и науки Российской Федерации и в федеральной научно-образовательной сети RUNNet. так и на региональном уровне - в ЗАО «Региональный центр системной интеграции «Сиб-рон» (Иркутск), ООО «Максима инжиниринг» (Великий Новгород), ООО «Нотис Телеком» (Ярославль), ГОУ МГТУ «Станкин» (Москва), ООО «Цифровые теле-

фонные сети» (Ростов-на-Дону), ОЛО «Центр 'I елеком» (Владимир), Уфимском ГАТУ, Тамбовском ГТУ, Пермском ГУ, СПб ГУ информационных технологий, механики и оптики, ОАО «Уфимское моторостроительное производственное объединение»

СПИСОК ОСНОВНЫХ ПУБЛИКАЦИЙ 1. Абрамов А.Г., Васильев В.Н., Сергеев А.О, Сигалов A.B., Скуратов А.К. Информационно-аналитический центр по мониторингу приоритетных направлении развития в области ниформацнонно-

телекоммуннкационных снстем//Научно-технический вестник СПбГУ ИТМО, 2005 Выпуск 22 (216). С 93-99

2 Аграновский А В , Скуратов А К , Тихонов А Н , Хади Р А Информационная безопасность в RUNNet Труды XI Всероссийской научно-методической конференции «Телематика 2004», 7-10 июня 2004 г, СПб , том 1, стр 66-68

3 Аграновский AB, Скураюв АК, Хади РА "Концепция динамической защиты информации вычислительных сетей RUNNet" Материалы II Всероссийской научно-практической конференции (Москва 28 09-01 10 2005) "Образовательная среда сегодня н завтра" М Рособр , 2005 с 384 стр 222-223

4 Афанасьев К Е , Домрачев В Г , Ретинская И В , Скураюв А К, Стуколов С В Многопроцессорные системы построение, развитие, обучение / Под ред Тихонова АН -М КУДИЦ-ОБРАЗ, 2005 -224 с

5 Бугай А И, Калинина Э В , Домрачев В Г, Скуратов А К Методика статистического анализа аномальных наблюдении для сетевого трафика Труды X Всероссийской научно - методической конференции «Телематика 2003» в 2-х томах, 14- 17 апреля 2003 г , Санкт-Петербург, изд-во СПбГГУ, том 2 с 248249

6 Бугай А И , Гугель Ю В , Калинина Э В , Ретинская II В., Скуратов А К. Применение агрегирующих и разностных операторов для анализа потоков информации в сетях. "Вестник РГРТА", Выпуск №13, Рязань, 2003i стр.41-46.

7 Бугаи А И , Калинина Э В , Ретинская И В , Скуратов А К Моделирование некоторых характеристик научно-обраюваюльных сетей методами математической патетики Труды Всероссийской научно-методической конференции "Телсматика-2002" 3-6 июня 2002 г, Санкт-Петербург, стр 213-214

8. Бугай А И., Калинина Э В, Ретинская И.В., Скуратов А.К. Некоторые особенности моделирования сетевого трафика Теоретические проблемы информатики и ее приложений' Сб. науч. тр / Под ред. проф Сытника A.A. - Саратов. Изд-во Сарат. ун-та, 2003 Вып 5 , стр 30-41

9. Бугаи А И., Калинина Э.В., Ретинская И.В, Скуратов А К. Статистический анализ информационных потоков в глобальных сетях. Информационные технологии, №1, 2002, с. 11-15

10 Двосглазов Д В , Дешко И II, Иванников А Д , Матчин В Т , Мордвинов В А , Скуратов А К Учебно-методический комплекс дистанционного обучения по дисциплине "Мировые информационные ресурсы и сети Корпоративные информационные системы в образовании" (Информсреда в образовании) Под общ ред Тихонова АН МГДТДиЮ, МИРЗА, 1 НИИ ИТТ "Информи-ка" М 2000-191с

П.Домрачсв В. Г, Ретинскап И. В, Скуратов Л. К. Стратегия и практические пути подготовки специалистов по высокопроизводительным вычислениям Информационные технологи, №7, 2001г.

12.Домрачев В Г., Безрукавный Д С , Калинина Э В , Ретинскап И В , Скуратов Л К. Нечеткие методы в задачах мониторинга сетевого трафика Ж. Информационные технологии. №3 2006 с. 2-10

13 Енкжов И С , Домрачев В Г , Ретинская И В , Скуратов А К Разработка специализированного пакета TeleStat для анализа статистических характеристик научно-образовательных сегей Тр>ды Всероссийской научно-методической конференции "Телематика-2002" 3-6 июня 2002 г , Санкт-Петербург, стр 136

14.Е нюков И С., Ретннская ИВ, Скуратов А К. Статистический анализ н мониторинг научно-образовательных интернет-сетей. Под ред. Тихонова АН -М : Финансы и статистика, 2004 -320с.-ил. ISBN 5-279-02801-0, УДК 004 738 5 311, ББК 32.973.202вб.

15.Кашицин В П , Коваленко С К , Скуратов А К , Цветкова М С Создание сети межшкольных ресурсно-методических центров по проекту "Информатизация системы образования" в рамках планируемого кредита МБРР Груды X Все-росийской научно-методичсскои конференции " Гелсматика-2003", 14-17 апреля 2003 г , СПб , стр 73-74

16 Менеджмент образовательных проектов и программа ТЕМПУС/А В Талонов, О К Захарова, А К Скуратов, Н А Школяр -Москва, 2003 -160 с .ил

17 Скуратов А К "Разработка системы и методов мониторинга функционирования научно-образовательных Интернет/Интранет сстсй" Трздн IX Всероссийской школы-семинара "Современные проблемы математического моделирования" 17-21 сентября 2001 г Пос Дюрсо стр 300-317

18. Скуратов А.К. Алгоритмы анализа и мониторинг а телекоммуникационной сети с использованием статистических методов /Вестник УГАТУ: Сб-к. науч трудов -УфагИзд УГАТУ, 2005, т 6, №1(12) с.212-226.

19 Скуратов А К Анализ и мониторинг телекоммуникационных сетей на основе статистической системы исследования информационных потоков Труды XII Всероссийской научно-методической конференции «Телематика 2005», 6-9 июня 2005г , Из-во СПб, том 1, стр 59-60

20. Скуратов А К. Использование временных рядов для целей статистического анализа телекоммуникационных сетей на основе исследовании информационных потоков. Вестник Новгородского государственного университета им Ярослава Мудрого. Научно-теоретический н прикладной журнал. Серия «Технические науки». 2005 №34, с. 112-117.

21 Скуратов А К Моделирование инфокоммуникационных научно-образовательных сетей Индустрия образования Сборник статей Выпуск 6 -М МГИУ, 2002, стр 290-294

22 Скуратов А.К. Мониторинг функционирования телекоммуникационных сетей на основе статистической системы исследования и анализа информационных потоков Вестник Московского государственного университета леса. Лесной вестник. Научно-информационный журнал. 2004 г., №2(33), стр 133-146.

23. Скуратов А К. Мониторинг функционирования телекоммуникационных сетей с использованием методов статистического анализа Известия Тульскою государственною университета. Серия Вычислительная техника. Информационные технологии Системы управления. Выпуск 1 Вычислительная техника -Тула ТулГУ, 2005, стр 113-122.

24 Скуратов А К Обеспечение доступа межшкольных методических центров проекта «Информатизация системы образования» к Интернет в рамках планируемого кредита МБРР" // Телекоммуникации и информатизация образования -2004 - 3 - С 14-37

25 Скуратов А К Развитие региональных сегментов РЕОИС в проекте «Информатизация системы образования» Труды XI Всероссийской научно-методической конференции «Телематика 2004», 7-10 июня 2004 г , СПб , гом 1, стр 273-275

26 Скуратов А К Разработка концепции и рабочего плана создания итерированной системы, включающей федеральный и специализированные образовательные Интернет-порталы Новые инфокоммуникационные технологии в социально-гуманитарных науках и образовании современное состояние, проблемы, перспективы развития / Под общ ред Кулика А И -М Логос, 2003 стр 154-161

27. Скуратов А К Статистический анализ телекоммуникационных сетей на основе исследования информационных потоков представленных в виде временных рядов // Вестник Самарского I осударственного аэрокоемнче-ского университета имени академика С П. Королева. Сборник научных трудов. Выпуск 1(9). - Самара. СГАУ, 2006. -С 185-190

28 Скуратов А.К Статистический мониторинг и анализ телекоммуникационных сетей. Журнал "Вестник Московского Авиационного Института", 2007 г, том 14, № 1, стр 71-81

29.Скуратов А К. Технология, алгоритмы, методы и средства проведения видеоконференций, "Информационные технологии", 0-й номер, 1995 г, стр 45-48, Москва, Издательство "Машиностроение",

30 Скуратов А К Управление качеством телекоммуникационных сетей на основе анализа и мониторинга их функционирования с использованием статистических методов Материалы международного симпозиума "Качество, инновации, образование и СЛЬ8-течнологии" под редакцией д I н , профессора В А Азарова - М Фонд "Качество". 8-15 мая 2005г стр 135-138

31 Скуратов А К Разработка концепции и рабочего плана создания интет риро-ванной системы, включающей федеральный гг специализированные образовательные Интернет-порталы Новые инфокоммуникационные технологии в социально-гуманитарных науках и образовании современное состояние, проблемы, перспективы развитггя / Под общ ред А Н Кулика - М Логос, 2003 стр 154-161

32 Скуратов А К., Безрукавный Д С «Администрирование телекоммуникационной сети на основе статистическою анализа трафика» Вестник Тамбовского государственного техническою университета Изд-во ТГГУ, г Тамбов, 2004г. Том 10 Общематематический выпуск 4А, стр 919-923

33 Скуратов Л К, Бугай А И Исследование информационных потоков в сети RUNNet Труды Международной научно - методической конференции «Телематика 2001», 18-21 июня 2001 г ,Санкт-Петербург,изд-во СПбГТУ.с 29-30,

34 Скуратов А К , Бугай А И Моделирование загрузки сетевых каналов передачи информации Информационно-коммуникационные технологии в управлении вузом Материалы Всерос Науч -практ Конф (25-28 февраля 2003 года)/ ПетрГУ -Петрозаводск, 2003, с 129-130

35 Скуратов А К , Матекин M П , Миронов Д С Проект системы мониторинга сети межшкольных методических центров, планируемых в рамках кредита МБРР Труды X Всеросийскои научно-методической конференции "Телема-тика-2003", 14-17 апреля 2003 i , СПб , стр 71-72

Зб.Скуратов А.К., Ретинская И.В, Калинина Э В , Бугай А.И. Анализ трафика научно-образовательных сетей Автоматизация, телемеханизация и связь в нефтяной промышленности, научно-техническии журнал, №2, 2003, Изд-во М.: ОАО «ШШИОЭНГ», 2003, с. 4-7.

37 Соломенцев Ю M .Кллмапов В П ,Липасв В В ,Мордвинов В А ,Позднеев Б M .Поляков С Д ,Роберт И В Скуратов А К Обеспечение качества и сертификация программных средств в сфере образования Менеджмент проектов информационных систем в образовании/Под ред 1 ихоноваА H -M ,2003 - 68 с

38 Тихонов A H Домрачсв В Г , Скуратов А К , Ретинская И В Статистический анализ данных в информационно- телекоммуникационном пространстве Груды Международной научно - методической конференции «Телематика 2001 », 18- 21 июня 2001 г , Санкт-Петербург, изд-во СПбГТУ, с 154

39 Тихонов А H , Полянсков Ю.В , Скуратов А К , Рыбников А И Кузнецова Л В , Николаев А В , Кондратьева А С , Максимова О И , Рутковский И С , Глухов А Е, Черников M А Особенности внедрения ИПИ-технологий на предприятиях России/Под общ ред д т н , проф А II Тихонова, д т н , проф Ю В Полянскова - Ульяновск УлГУ, 2006-221с ISBN 5-88866-257-7

40 Тихонов А H , Скуратов А К , Домрачев В Г, Ретинская И В Мониторинг научно-образовательных сетей на основе построения статистических моделей X конференция представителей региональных научно-образовательных сетей "RELARN-2003" Сб тезисов докладов СПб , 2003 г , стр 32-33

41 Тихонов А H , Скуратов А К , Домрачев В Г, Ретинская И В. Новый этап развития и использования высокопроизводительных вычислительных ресурсов в научно-образовательной среде Новости искусственного интеллекта (AI News), 4 (52) 2002 г , стр 35- 45

42 Gorokhovatsky Yuri, Skuratov Alcxci, Sbukin Sergei, Yakovlev Vladimir The polycy of the Russian Fédération on Information and Communication technology (ICT) fédéral and régional perspective / Joke Voogt, Yun Gorokhovatsky and Marinus Almekinders (Eds ) Enschede University Twentc, 2003 ISBN. 90 365 19047, p 9-16

43 Skuratov Aleksey, Development of the Open and Distance Learning System in Rubsia (DELPHI Project) "LEARN'I ЕС 2001" 9th European Congress and Tradc Tair for Educational and Information Technology Proceedings UNESCO Uwe Beck, Winfned Sommer (Editors) Karlsruher, Germany, ISSN 1433-416X, pp 67-71

Подписано в печать 19 04 2007 Формат 60x84/16 Бумага типографская № 2 Печать - ризография Уел печ л 2,3 Тираж 100 экз Заказ^3£

Московский государственный институт электроники и математики 109028, Москва, Б Трехсвятительский пер , 3/12

Центр оперативной полиграфии (095) 916-88-04, 916-89-25

Оглавление автор диссертации — доктора технических наук Скуратов, Алексей Константинович

ОГЛАВЛЕНИЕ.

ВЕДЕНИЕ.

ГЛАВА 1. ОБЗОР, ИССЛЕДОВАНИЕ И АНАЛИЗ СОСТОЯНИЯ, ПЕРСПЕКТИВ И ТЕНДЕНЦИЙ РАЗВИТИЯ ТЕЛЕКОММУНИКАЦИОННЫХ СЕТЕЙ.

1.1. Категории пользователей телекоммуникационных сетей.

1.2. Организационная инфраструктура российских телекоммуникационных сетей и основные тенденции ее развития.

1.2.1 Междугородние каналы.

1.2.2. Наземные каналы.

1.2.3. Спутниковые каналы.

1.3. Сети передачи данных.

1.3.1. Межрегиональные сети передачи данных.Г.

1.3.2. Магистральная цифровая сеть.

1.4. Некоммерческие сети передачи данных.

1.5. Техническая организация российских телекоммуникационных сетей.

1.5.1. Типовые технические решения организации доступа различных категорий пользователей сети.

1.5.2. Техническое обеспечение подключения локальных сетей к региональным компьютерным сетям.

1.5.3. Типовые решения построения «последней мили».

1.6. Современные архитектуры распределенных сетевых информационных систем и сред доступа к ним.

1.7. Проблемы традиционного доступа к информационным ресурсам.

1.8. Сеть доставки содержания как методология доступа к информационным ресурсам.

1.9. Основные методы функционирования сети доставки содержания.

1.10. Технологии обеспечения доступности информационных ресурсов российских телекоммуникационных сетей.

ВЫВОДЫ К ГЛАВЕ 1.

ГЛАВА 2. НОРМАЛЬНЫЙ ПРОФИЛЬ ТЕЛЕКОММУНИКАЦИОННОЙ СЕТИ КАК СОВОКУПНОСТЬ ПОКАЗАТЕЛЕЙ ЕЕ ФУНКЦИОНИРОВАНИЯ.

2.1. Выделение значимых показателей в системе характеристик качества функционирования сети.

2.2. Принципы построения системы характеристик качества телекоммуникационных сетей.

2.3. Параметры качества телекоммуникационной сети.

2.4. Показатели функционирования телекоммуникационной сети.

2.4.1. Производительность.

2.4.2. Надежность и безопасность.

2.4.3. Управляемость.

2.4.4. Совместимость и интегрируемость.

2.4.5. Качество обслуживания.

2.4.6. Расширяемость и масштабируемость.

2.4.7. Прозрачность.

2.5. Задачи управления телекоммуникационной сетью.

2.6. Определения «мониторинг» и «анализ» телекоммуникационных сетей

2.7. Практические задачи, для решения которых проводится мониторинг и анализ телекоммуникационной сети.

ВЫВОДЫ К ГЛАВЕ 2.

ГЛАВА 3. МЕТОДЫ И ПРОЦЕДУРЫ ПЕРВИЧНОЙ ОБРАБОТКИ ЗНАЧЕНИЙ ПАРАМЕТРОВ ТЕЛЕКОММУНИКАЦИОННОЙ СЕТИ И ИССЛЕДОВАНИЕ ЦИРКУЛИРУЮЩИХ В ТЕЛЕКОММУНИКАЦИОННЫХ СЕТЯХ ИНФОРМАЦИОННЫХ ПОТОКОВ С ЦЕЛЬЮ ВЫБОРА

МАТЕМАТИЧЕСКОЙ МОДЕЛИ.

3.1. Методы первичной обработки значений параметров телекоммуникационной сети.

3.2. Процедуры сбора информации о работе телекоммуникационной сети.

3.2.1. Процедура преобразования первичной информации в случайную последовательность.

3.2.2. Процедура преобразования первичной информации накопительного типа в случайную последовательность с равным интервалом времени.

3.3. Определение особенностей процесса статистического мониторинга характеристик телекоммуникационной сети.

3.4. Исследование и анализ информационных потоков, циркулирующих в телекоммуникационных сетях, с целью выбора математической модели.

3.4.1. Марковская модель системы.

3.4.2. Моделирование сетевого трафика фрактальным броуновским движением.

3.4.3. Моделирование временных рядов.

3.5. Анализ статистических методов мониторинга телекоммуникационных сетей представленных в виде временных рядов.

3.5.1. Анализ тренда.

3.5.2. Анализ сезонности.

3.5.3. Исследование процесса авторегрессии.

3.5.4. Модель АРПСС.

3.5.5. Оценивание параметров.

3.5.6. Оценивание модели.

ВЫВОДЫ К ГЛАВЕ 3.

ГЛАВА 4. МАТЕМАТИЧЕСКИЕ МЕТОДЫ, МОДЕЛИ И ИНСТРУМЕНТЫ ДЛЯ СТАТИСТИЧЕСКОГО МОНИТОРИНГА И АНАЛИЗА ПАРАМЕТРОВ ФУНКЦИОНИРОВАНИЯ ТЕЛЕКОММУНИКАЦИОННОЙ СЕТИ.

4.1 .Оценивание статистических характеристик для анализа телекоммуникационной сети.

4.2. Главные компоненты в системе статистического анализа телекоммуникационных сетей.

4.3. Регрессионный анализ в статистической системе анализа и мониторинга телекоммуникационной сети.

4.4. Дискриминантный анализ в статистической системе анализа и мониторинга телекоммуникационной сети.

4.5. Кластер-анализ в статистической системе анализа и мониторинга телекоммуникационной сети.

4.6. Нейронные сети в статистической системе анализа и мониторинга телекоммуникационной сети.

4.7. Матрица данных, шкалы, расстояния в статистической системе и мониторинга анализа телекоммуникационной сети.

4.8. Временные ряды и их характеристики для целей статистического анализа и мониторинга телекоммуникационной сети.

4.9. Сглаживание и декомпозиция временных рядов.

4.10. Модели временных рядов для статистической системы анализа и мониторинга телекоммуникационной сети.

4.11. Прогнозирование временных рядов.

4.12. Таблица сравнение методов анализа временных рядов.

4.13. Математическая модель загрузки канала телекоммуникационной сети.

4.14. Определение сезонной составляющей в математической модели загрузки канала телекоммуникационной сети.

4.15. Выделение тренда в математической модели загрузки канала телекоммуникационной сети.

4.16. Использование метода скользящих средних для сглаживания первичных значений характеристик телекоммуникационной сети.

4.17. Анализ случайной компоненты в значениях характеристик телекоммуникационной сети.

4.18. Принципы прогнозирования загрузки каналов телекоммуникационной сети.

4.19. Прогнозирование поведения значений характеристик телекоммуникационной сети с помощью экспоненциального сглаживания.

ВЫВОДЫ К ГЛАВЕ 4.

ГЛАВА 5. РАЗРАБОТКА АЛГОРИТМОВ СТАТИСТИЧЕСКОЙ СИСТЕМЫ

АНАЛИЗА ТЕЛЕКОММУНИКАЦИОННОЙ СЕТИ.

5.1. Анализ данных с пропущенными значениями.

5.3. Алгоритм k-средних при заданном числе классов.

5.4. Иерархическая восходящая классификация.

5.5. Быстрый метод иерархической восходящей классификации (метод сводимых окрестностей).

5.6. Алгоритмы двухфакторного разложения для анализа сезонно трендовы моделей (ST) моделей.

5.6.1. Алгоритм, основанный на удалении средних значений.

5.6.2. Итерационный алгоритм медианного сглаживания.

5.7. Алгоритм разложения по целевым факторам.

5.8. Алгоритмы вычисления оценок спектральной плотности.

5.9. Тесты для проверки непараметрических гипотез во временных рядах

5.9.1. Непараметрические тесты стационарности и случайности.

5.9.2. Тест Дэниэлса для проверки тренда.

5.9.3. Тест знаков для тренда.

5.9.4. Тест точек поворота.

ВЫВОДЫ К ГЛАВЕ 5.

ГЛАВА 6. ПРОГРАММНО-ЭКСПЕРИМЕНТАЛЬНАЯ АПРОБАЦИЯ МЕТОДОВ И АЛГОРИМОВ СТАТИСТИЧЕСКОГО АНАЛИЗА ТЕЛЕКОММУНИКАЦИОННОЙ СЕТИ.

6.1. Анализ и исследование параметров телекоммуникационной сети с помощью пакета программы TeleStat.

6.1.1. Исходные данные для проведение эксперимента.

6.1.2. Использование процедур подготовки и обработки данных.

6.1.3. Анализ и исследование данных.

6.1.4. Анализ двумерных диаграмм рассеивания с помощью матричного дисплея.

6.1.5. Анализ периодических компонент в рядах наблюдений.

6.1.6 Решающее правило для определения состояния системы передачи данных по уровню ошибок.

6.2. Программа «Роутер».

Технические характеристики:.

6.3. Программа AFINT.

Технические характеристики:.

6.4. Результаты исследования загрузок канал научно-образовательной сети RUNNet.

6.4.1. Результаты спектрального анализа трафика сети по трем интерфейсам; ATM, FastEthernet 1/0 и FastEthernet 4/0.

6.4.2. Результаты анализа тренда для интерфейсов:.

6.4.3. Подтверждение полученных результатов за новый период времени (анализ некоторых узлов научно-образовательной сети RUNNet).

6.5. Проведение экспериментов по основным методикам анализа.

6.5.1. Идентификация аномальных наблюдений.

6.5.2. Метод агрегирования данных.

6.5.3. Метод конечных разностей.

6.5.4. Результат прогнозирования сетевого трафика по методу экспоненциального сглаживания.

6.6. Программа Анализатор трафика телекоммуникационной сети.

ВЫВОДЫ К ГЛАВЕ 6.

Введение 2007 год, диссертация по информатике, вычислительной технике и управлению, Скуратов, Алексей Константинович

Проблема научно обоснованного совершенствования теоретической и технологической базы анализа и мониторинга телекоммуникационных систем и компьютерных сетей, во многом определяющих развитие страны, имеет важное социально-культурное и народно-хозяйственное значение. Высокими темпами создаются и развиваются международные, национальные, региональные, ведомственные и корпоративные телекоммуникационные системы и компьютерные сети, ориентированные как на решение общефедеральных задач, так и на развитие отдельной личности, определенных профессиональных и социальных групп и всего общества в целом [15, 24, 41, 44, 55, 60, 63, 73, 89, 92, 96, 97, 115, 117, 118, 124, 125, 130, 131, 132, 133, 134, 136, 142, 151, 152, 158, 159, 162,164].

Развитие телекоммуникационных систем и компьютерных сетей обуславливает необходимость создания и надежного функционирования большого набора инфокоммуникационных сервисов, обеспечивающих эффективную работу пользователя с разнородной информацией в гетерогенной телекоммуникационной сети. Вместе с тем, исторически сложившаяся неоднородность как телекоммуникационных систем, компьютерных сетей, сетевых информационных ресурсов, так и аудитории пользователей, которой данная информация адресована, осложняет объективный анализ и мониторинг телекоммуникационных архитектур и ресурсов. Поэтому безусловно актуально, что при эксплуатации телекоммуникационных систем и компьютерных сетей должен быть использован достаточно широкий спектр современных и научно обоснованных технических и технологических решений их анализа и мониторинга. Практика использования и эксплуатации гетерогенных телекоммуникационных систем и компьютерных сетей, связанная с недостаточной их прозрачностью, сложностью, организационными ограничениями и спецификой, определяет необходимость более широкого и научно обоснованного внедрения статистических методов их анализа и мониторинга на основе открытой потоковой информации, которую можно получить используя предлагаемые методы и средства [31, 32, 33, 54, 58, 86, 116, 119,128,139, 140, 141, 163, 173].

При решении данной проблемы автор в своих исследованиях опирался на труды российских и зарубежных ученых, внесших большой вклад:

- в развитие компьютерных телекоммуникационных сетей

A.Н.Тихонов, Е.П.Велихов, А.А.Солдатов, В.Н.Васильев, А.Д.Иванников, Ю.Л.Ижванов, А.П.Платонов, А.С.Мендкович, В.Г.Домрачев, В.Г. Олифер, H.A. Олифер, X. Остерлох, А.В.Вишняков, В.С.Жданов, А.П.Пятибратов, Л. А. Крукиер, А.И.Русаков, Н.С.Рузанова, С. Фейт, Г. Хелд, В.В.Шахгильдян,

B.Е.Подольский, М. Спортак и др.;

- в разработку систем анализа и мониторинга компьютерных телекоммуникационных стей - А.Н.Тихонов, В.Н.Васильев, В.С.Заборовский,

A.П.Платнов, А.С.Мендкович, В.П. Корячко, В.А.Васенин, В.Н.Азаров, Ю.Л.Леохин, У. Блэк, P.P. Назиров, В.В.Коноплев, К.Н. Максимов,

B.Столлингс, Эд. Уилсон и др.;

- в развитие теории статистического анализа - И.С. Енюков, С.А. Айвазян, М. Дж. Кендалл, Т. Андерсон, И.В. Ретинская, В.Н. Афанасьев, М.М. Юзбашев, Дж. Бокс, Г. Дженкинс, Э.В. Калинина, Н. Дрейпер, Г. Симт, И.Г. Журбенко, Г.С. Кильдишев, A.A. Френкель, Д. Кокс, П. Льюис, С.Е. Кузнецов, В.А. Халиев, Э. Хеннан, H.A. Хованова, -И.А. Хованов, Ю.Н.Тюрин, Л.Д.Мешалкин, Н.Н.Миоисеев, В.Н.Вапник, А.А.Дорофеюк, Н.Г.Загоруйко, Г.С.Лбов, и др.

В диссертационной работе разрабатываются научные методы и методики, направленные на мониторингом и анализ научно-образовательных сетей [15, 34, 41, 54, 87, 89, 92, 107, 113, 131, 134, 153, 186, 187, 188, 189, 190, 191]. Научно - образовательные сети, такие как RUNNet, RBNet, FREEnet, RELARN-IP и др., получили реальное развитие лишь в течение последних десяти лет, поэтому вопросы, связанные с мониторингом, управлением и прогнозированием работы таких сетей, являются актуальными. Тем не менее, в настоящее время они объединяют примерно 20% пользователей российского интернет. Развитие сетей, а именно увеличение числа пользователей [92], появление приложений, работающих с мультимедийной информацией, которая хранится в файлах очень больших размеров, увеличение числа сервисов, работающих в реальном масштабе времени, попытки несанкционированного доступа к сети и т.д., предъявляет повышенные требования к пропускной способности каналов между клиентами сети и серверами. Отмеченные причины приводят к перегрузке сети, что можно предотвратить с помощью системы сетевого управления. Одним из основных блоков в системе сетевого управления является блок сбора и обработки информации по отдельным характеристикам сети таким как загрузка канала на входе и выходе (байт), число пакетов на входе и выходе, число ошибок в их регистрации, число вошедших системных пакетов, загрузка процессора (% от 100), объем свободной памяти процессора и системы ввода-вывода для маршрутизатора (байт) и т.д.

Несмотря на то, что отмеченной выше проблемой занимаются научные группы ряда зарубежных и российских НИИ и университетов (Санкт-Петербургский государственный институт инфрмационных технологий, точной механики и оптики (технический университет), Российский НИИ развития общественных сетей, Московский государственный университет, Московский институт электроники и математики (технический университет), Тамбовский государственный технический университет, Центральный научно-исследовательский институт робототехники и технической кибернетики, Тульский государственный университет, Уфимский государственный авиационный университет, Новгородский государственный университет, Самарский государственный аэрокосмический университет, Санкт-Петербургский государственный университет, и ряд других), в открытой печати не опубликованы методы, модели и алгоритмы обработки такой информации.

Цель и задачи исследований

Целью данной работы является разработка научных основ, методов, алгоритмов и программ для статистического анализа и мониторинга телекоммуникационных сетей.

Для достижения поставленной цели потребовалось решить следующие основные задачи:

1. Провести анализ российских телекоммуникационных сетей и определение основных характеристик функционирования телекоммуникационных сетей для целей статистического мониторинга и анализа.

2. Определить средства сбора и разработать методы обработки первичной информации информационных потоков телекоммуникационной сети.

3. Выбрать и модифицировать методы теории статистики с целью разработки научных основ исследования статистических принципов функционирования телекоммуникационных систем и компьютерных сетей.

4. Разработать методы и алгоритмы реализации научных основ исследования статистических принципов функционирования телекоммуникационных систем и компьютерных сетей.

5. Разработать программные средства статистического мониторинга и анализа телекоммуникационных сетей.

Методы исследования

Для решения поставленных задач применялись статистические методы анализа многомерных данных, такие как регрессионный анализ, дискриминантный анализ, кластер-анализ, использование нейронных сетей для целей статистического анализа телекоммуникационной сети, а также прогнозирование временных рядов.

Результаты, выносимые на защиту

1. Концепция мониторинга и анализа телекоммуникационной сети со статистической точки зрения как процессов, связанных с выявлением нормального и текущего профилей телекоммуникационной сети и исследования их статистическими методами.

2. Научное обобщение практических задач, для решения которых проводится статистический мониторинг и анализ телекоммуникационной сети.

3. Методология сбора первичной информации о телекоммуникационной сети и процедуры преобразования первичных значений основных параметров телекоммуникационной сети во временной ряд и случайную последовательность, позволяющие перейти к анализу параметров телекоммуникационной сети статистическими методами.

4. Новый подход к применению методов и методик статистического анализа, таких как регрессионный анализ, дискриминантный анализ, кластер-анализ, использование нейронных сетей, для целей проведения статистического анализа параметров телекоммуникационной сети.

5. Математическая модель телекоммуникационной сети для целей статистического мониторинга и анализа.

6. Алгоритмы, реализующие модифицированные методы статистического анализа параметров телекоммуникационной сети.

7. Результаты экспериментальной реализации разработанных и модифицированных методов, методик и алгоритмов на примере научно-образовательной сети.

Научная новизна результатов

В результате выполнения данного исследования были разработаны аналитические, теоретические, методологические и практические основы статистического мониторинга и анализа компьютерных телекоммуникационных сетей, а именно:

- в результате исследования и анализа текущего состояния, перспектив и тенденций развития телекоммуникационных сетей на федеральном и на региональном уровнях выявлено, что российские телекоммуникационные сети отличаются нерегулярной структурой, обусловленной нерегулярным проектированием и финансированием, для российских телекоммуникационных сетей характерно ведомственное (корпоративное) разделение, что затрудняет их адекватный мониторинг с целью оптимального предоставления инфокоммуникационных сервисов;

- для целей статистического мониторинга и анализа определены основные показатели функционирования телекоммуникационной сети, основные требования, предъявляемые к телекоммуникационным сетям, характеризующие качество обслуживания сети; опредлены понятия мониторинг и анализ телекоммуникационной сети со статистической точки зрения как процессов, связанных с выявлением нормального и текущего профилей телекоммуникационной сети и исследования их статистическими методами; практические задачи, для решения которых проводится мониторинг и анализ телекоммуникационной сети;

- разработанные процедуры преобразования первичных значений основных параметров телекоммуникационной сети во временной ряд и случайную последовательность позволяют перейти к анализу параметров телекоммуникационной сети; методики преобразования информационных потоков, циркулирующих в глобальных сетях, учитывающие особенности средств регистрации поступающей информации; математическая модель исследования параметров телекоммуникационной сети в виде временного ряда, который разлагается на такие компоненты как тренд, периодическую и случайную составляющую, при этом можно предсказать будущее каждой компоненты и, анализируя их, предсказать будущее всего ряда;

- модифицированные методы теории статистики для системы статистического анализа телекоммуникационной сети, такие как регрессионный анализ, дискриминантный анализ, кластер-анализ, нейронные сети; их можно использовать как инструменты для обработки статистических данных в статистической системе анализа телекоммуникационной сети;

- алгоритм анализа данных с пропущенными значениями для применения в случае многомерных временных рядов, набор алгоритмов восходящей или агломеративной, иерархической классификации с целью реализации в статистической системе анализа телекоммуникационной сети;

- алгоритма обработки рядов содержащих компоненты тренда и сезонности основанные на развертке ряда в двух-входовую таблицу, алгоритм, удаления средних значений, итерационный алгоритм медианного сглаживания, алгоритм разложения по целевым факторам.

В данной работе предлагается новый подход мониторинга и анализа телекоммуникационной сети, основанный на обработке статистической информации о функционировании телекоммуникационной сети и определении нормального профиля сети на основе этой обработки.

Решение вышеуказанных задач позволяет практически осуществлять:

1. Предсказание изменения параметров телекоммуникационного трафика на основе обработки статистической информации о работе элементов сети. Эта информация носит, как правило, статистический характер и представляет собой зачастую временные последовательности. В этом случае речь идет о статистическом анализе сетевого трафика как анализе временных рядов, а анализируемая статистика может быть как текущей (с интервалом усреднения информации от одной до десятков секунд), так и долговременной (с интервалом усреднения информации от одной минуты до нескольких часов или суток).

2. Интеллектуальное управление телекоммуникационными сетями для перераспределения сетевых ресурсов, в частности, пропускной способности виртуальных каналов. Это достигается за счет статистического мультиплексирования с временным разделением пропускной способности между различными информационными приложениями. Методы управления перераспределением пропускной способности позволяют распределить информационные потоки по виртуальным каналам. При этом учитываются ограничения на доступную пропускную способность и уровень показателей качества. Указанные методы представляют собой симбиоз алгоритмов резервирования пропускной способности виртуальных каналов и статистического мультиплексирования ресурсов.

3. Исследование временных задержек вдоль маршрута прохождения пакета, снижение которых повышает качество работы сети. Временные задержки являются важным фактором, влияющим на пропускную способность сети. Чем больше эти задержки, тем меньше пропускная способность сети. В соответствии с протоколом TCP/IP пропускная способность со стороны источника пакетов определяется текущим окном перегрузки, равным числу разрешенных к передаче пакетов до прихода пакета подтверждения. При более или менее регулярном поступлении пакетов подтверждения величина окна увеличивается в два раза. В итоге достигается максимально возможная для принятого протокола пропускная способность, уменьшается окно перегрузки и соответственно пропускная способность соединения.

4. Формирование прогноза времени появления перегрузки и ее величины. Задержка и потеря пакетов в пути может происходить из-за очередей в промежуточных узлах - маршрутизаторах, в компьютерах - источниках и приемниках пакетов, а также из-за переполнения буферов в этих узлах. В таком случае пакеты подтверждения не отсылаются, и протоколом TCP на стороне источника формируется окно перегрузки уменьшенного размера. Интервал между моментами отсылки пакета из источника и получения пакета подтверждения называется RTT-задержкой [англ. round-trip time - задержка] [34]. Указанная задержка является важной характеристикой, обеспечивающей нормальное функционирование TCP-соединения в фазе медленного старта и поэтому требующей тщательной настройки и контроля. Для избежания простоев из-за ожидания потерянных и задержавшихся пакетов вводится пороговое значение RTT-задержки. Пакеты считаются потерянными, если RTT превышает заданный порог. По величине спрогнозированной RTT-задержки можно судить об уровне перегрузки и перенастроить величину окна, т.е. определить закон изменения окна перегрузки.

5. Контроль и прогнозирование переполнения системных буферов телекоммуникационной сети. На пропускную способность участка сети между /-м и у-м узлами очевидно влияет очередь в узле у. Эта очередь может возникнуть из-за ограниченного объема памяти данного буфера, низкой интенсивности разгрузки этого буфера (скорость работы процессора), чрезмерно больших объемов информации, поступивших на него. В связи с этим интенсивность потока информации от узла / к узлу у понижается, а в случае переполнения буфера в узле у передача информации прекращается и часть пакетов теряется. Для предотвращения потери пропускной способности узла необходимо регулировать уровень загрузки буфера на основе прогноза его переполнения.

6. Сравнение наблюдаемого поведения телекоммуникационной сети с определенным ранее нормальным профилем и выявление сетевых аномалий. Нормальным профилем или шаблоном работы сети называется совокупность ее характеристик в течение некоторого промежутка времени, которая соответствует работе всей системы без каких-либо существенных отклонений от нормы. Однако вопрос о системе характеристик качества сети, на основе которых можно описать нормальный профиль, является весьма неординарным и представляет собой отдельную научную задачу.

Достоверность научных результатов и выводов, сформулированных в диссертации, определяется корректным применением информационных технологий и методов математической статистики, статистического анализа временных рядов. При этом теоретические расчеты согласовывались с экспертами в области сетевого администрирования и информационных технологий.

Практическая ценность полученных результатов определяется разработкой реально действующих алгоритмов и программ для статистического мониторинга и анализа телекоммуникационных сетей, которые, в частности, используются при развитии и администрировании отраслевой телекоммуникационной научно-образовательной сети а именно:

- проведен анализ и исследование параметров телекоммуникационной сети с помощью пакета программы Те1е81а1;

- для статистической обработки характеристик сетевого трафика на основе долговременной статистики была разработана и использована программа «Роутер»; для анализа периодической составляющей на основе модифицированного метода спектрального анализа разработана и использована программа «АБШТ»;

- с помощью программы «Анализатор трафика» определен нормальный профиль сети (этап анализа), выявлены отклонения от нормального профиля сети (этап мониторинга) с целью определения возникновении нештатной ситуации и принятии соответствующего решения об изменении конфигурации или загрузки сети.

Результаты, полученные в работе, внедрены в рамках выполнения следующих проектов: в Министерстве образования и науки Российской Федерации № гос. регистрации 0120.0503656; УДК 621.394/.396.019.3 «Развитие методов и средств обеспечения защиты информации в телекоммуникационных сетях Министерства образования и науки Российской Федерации», № гос. регистрации 0120.0503662; УДК 37.014.15 «Исследование и реализация методов обеспечения качества передачи информации в телекоммуникационных сетях Министерства образования и науки Российской Федерации» и «Разработка системы мониторинга и управления телекоммуникационным трафиком Минобрнауки России»; в Министерстве промышленности, науки и технологий Российской Федерации «Разработка и реализация методов мониторинга и статистического анализа научно - образовательных компьютерных сетей» и «Создание методов, средств и распределенных систем обеспечения защиты информации в телекоммуникационных сетях науки и образования»; в Государственном НИИ системной интеграции «Разработка предложений по организации сетевого взаимодействия объектов управления сферы образования с учетом обеспечения безопастности"; в Федеральном агентстве по образованию Российской Федерации «Обеспечение региональной связности отраслевой телекоммуникационной сети сферы образования» и «Разработка математической модели угроз безопасности систем и формирование методики мониторинга и прогнозирования состояния критических параметров системы информационной безопасности»; в ФГУ РНЦ «Курчатовский институт» «Разработка и исследование сегментов высокоскоростных участков научно-образовательной сети базирующихся на новых простоколах передачи данных»; в СПб ГУ информационных технологий и точной механики «Разработка типовых сегментов высокоскоростных вычислений на ресурсах науки использующих новые технологии передачи данных» и Анализ функционирования информационно-аналитических центров мониторинга в области информационно-телекоммуникационных ситсем»; в Федеральном агентстве по науке и инновациям Российской Федерации «Обеспечение технологического развития национальной компьютерной сети науки и высшей школы как уникального объекта инфраструктуры науки и образования»;

Исходя из вышеизложенного принята следующая стркутура диссертации.

В первой главе проведен обзор, исследование и анализ состояния, перспектив и тенденций развития телекоммуникационных сетей на федеральном и на региональном уровнях в целях обоснования необходимости анализа и мониторинга телекоммуникационных сетей с использованием статистических методов.

1. Рассмотрены общие принципы создания, оснащения и развития российских телекоммуникационных сетей.

2. Исследованы вопросы технологического состояния российских телекоммуникационных сетей и условий их дальнейшего развития на современном этапе.

3. Проведен анализ сегмента некоммерческих, научно-образовательных сетей в российском телекоммуникационном пространстве.

4. Исследованы особенности организации и построения российских телекоммуникационных сетей и связанные с этим особенности их анализа и мониторинга.

5. Проведен анализ наиболее перспективных архитектур и способов организации доступа в телекоммуникационных сетях.

6. Исследованы вопросы распределенного доступа к научно-образовательным ресурсам с использованием региональных «зеркал».

7. Рассмотрена постановка проблемы.

Во второй главе введено понятие «нормальный профиль телекоммуникационной сети», как совокупность показателей ее нормального функционирования, в целях анализа и мониторинга телекоммуникационной сети в случае невозможности доступа к ее структуре, а также для обеспечения оперативности и технологичности.

1. Определены основные показатели функционирования телекоммуникационной сети.

2. Сформулированы основные требования, предъявляемые к телекоммуникационным сетям, характеризующие качество обслуживания сети.

3. Исследованы задачи управления телекоммуникационными сетями.

4. Введены понятия «мониторинг» и «анализ» телекоммуникационной сети со статистической точки зрения как процессов, связанных с выявлением нормального и текущего профилей телекоммуникационной сети и исследования их статистическими методами.

5. Сформулированы практические задачи, для решения которых проводится мониторинг и анализ телекоммуникационной сети.

В третьей главе анализируются структуры временных рядов, модель, описывающая поступление информации за единицу времени, методы анализа составляющих модели; метод прогнозирования загрузки канала на короткий период, разрабатываются технология и методы первичной обработки значений параметров телекоммуникационной сети.

1. В качестве инструмента первичного сбора статистической информации о функционировании телекоммуникационной сети обоснована процедура сбора информации с помощью протокола управления SNMP.

2. Разработаны две процедуры преобразования первичных значений основных параметров телекоммуникационной сети в временной ряд и случайную последовательность, позволяющие перейти к анализу и моделированию информационных потоков.

3. Проанализированы характеристики сетевого трафика телекоммуникационной сети RUNNet, выявлены их особенности: нестационарность, неоднородность, периодичность, сложная форма периодического сигнала.

4. Обосновано предположение, что для анализа параметров функционирования телекоммуникационной сети целесообразно использовать статистический анализ временных рядов.

В четвертой главе представлены математические методы и модели для проведения статистического анализа и мониторинга параметров функционирования телекоммуникационной сети.

1. Проведена оценка статистических характеристик и выделены главные компоненты в системе статистического анализа телекоммуникационной сети.

2. Исследованы методы статистического анализа, такие как регрессионный анализ, дискриминантный анализ, кластер-анализ, использование нейронных сетей.

3. Определены инструменты для обработки статистических данных, такие как матрица данных, шкалы и расстояния в статистической системе анализа телекоммуникационной сети.

4. В качестве математической модели функционирования телекоммуникационной сети для целей статистического мониторинга и анализа выбран временной ряд с учетом таких методов его обработки, как сглаживание и декомпозиция, в частности, модель авторегрессии и модель скользящего среднего (с учетом сезонности и тренда).

5. Разработаны процедуры прогнозирования временных рядов, такие как: простые процедуры прогноза, процедура «без изменения», процедура «постоянное приращение», непараметрическое прогнозирование временных рядов, прогнозирование с помощью нескольких рядов.

6. Выявлены особенности представления значений характеристик телекоммуникационной сети в виде временного ряда.

7. Разработана математическая модель функционирования телекоммуникационной сети как типичного временного ряда для целей ее статистического анализа и мониторинга, которая складываться из следующих составляющих:

• тренд, или систематическое изменение;

• колебание относительно тренда с большей или меньшей регулярностью;

• сезонная составляющая;

• случайная или несистематическая составляющая.

8. Определено, что тренд представляет собой общую систематическую линейную или нелинейную компоненту, которая может изменяться во времени. Сезонная составляющая - это периодически повторяющаяся компонента. Оба эти вида регулярных компонент обязательно присутствуют в ряде, формально описывающем характеристики телекоммуникационной сети одновременно.

9. Сформулирована основная цель анализа временных рядов в данной работе, которая состоит в прогнозировании поведения исследуемой телекоммуникационной сети в некоторый период времени. Решение данной задачи носит статистический характер: изучается прошлое поведение временного ряда значений основных характеристик телекоммуникационной сети, и в предположении, что телекоммуникационная сеть не меняется во времени, предпринимаются попытки экстраполяции ряда на будущее без детального изучения архитектуры телекоммуникационной сети.

10. Разработана математическая модель загрузки канала телекоммуникационной сети.

11. Сформулированы принципы прогнозирования загрузки каналов телекоммуникационной сети.

В пятой главе представлены алгоритмы статистической системы анализа и мониторинга телекоммуникационной сети, разработанные в соответствии с математическими методами и методиками, представленными в Главе 4.

1. Разработан алгоритм анализа данных с пропущенными значениями для применения в случае многомерных временных рядов.

2. Модифицирован подход на основе целенаправленного проецирования с целью реализации в статистической системе анализа телекоммуникационной сети визуального метода анализа резко выделяющихся наблюдений.

3. Адаптирован алгоритм к-средних при заданном числе классов для реализации в статистической системе анализа телекоммуникационной сети.

4. Разработан ряд алгоритмов восходящей или агломеративной, иерархической классификации с целью реализации в статистической системе анализа телекоммуникационной сети.

5. Адаптированы следующие алгоритмы обработки рядов, содержащих компоненты тренда и сезонности и основанные на развертке ряда в двух-входовую таблицу:

• алгоритм, удаления средних значений;

• итерационный алгоритм медианного сглаживания;

• алгоритм разложения по целевым факторам.

6. Рассмотрены тесты для проверки непараметрических гипотез во временных рядах.

В шестой главе приведены экспериментальные результаты реализации научных методов и методик, разработанных в Главе 4 в соответствии с алгоритмами, разработанными в Главе 5. Эксперименты проводились в научно-образовательной сети ШМ^ при помощи комплекса программ сетевого администратора: Роутер, АБЮТ, Анализатор трафика и Те1е81а1 на основе анализа совокупности ее временных характеристик, представленных в виде параметров временных рядов.

1. Проведен анализ и исследование параметров телекоммуникационной сети с помощью пакета программы Те1е81а1;, включая использование процедур подготовки и обработки данных, анализ и исследование данных, преобразование накопительных рядов с обнулением, преобразование рядов ошибок регистрации, обработку рядов с выбросами. Продемонстрирован процесс использования команд и меню пакета программ Те1е81а1;.

2. Для статистической обработки характеристик сетевого трафика на основе долговременной статистики разработана и представлена программа «Роутер».

3. Для анализа периодической составляющей на основе модифицированного метода спектрального анализа, описанного в Главе 4, разработана и представлена программа «AFINT».

4. Представлены результаты исследования загрузок каналов научно-образовательной сети RUNNet по трем интерфейсам: ATM, FastEthernet 1/0 и FastEthernet 4/0 на основе анализа и исследования разработанной в Главе 4 составляющих математической модели, которая описывает поступление и передачу информации по каналам связи.

5. Представлены результаты проведения экспериментов по основным методикам анализа и исследования телекоммуникационной сети: идентификация аномальных наблюдений, метод агрегирования данных, метод конечных разностей, прогнозирование сетевого трафика по методу экспоненциального сглаживания. В результате:

• разработана модифицированная методика повышения значимости регрессионной модели за счет удаления периодической составляющей и последующего применения метода скользящего среднего;

• разработан модифицированный метод конечных разностных операторов для исключения влияния тренда и основных гармоник периодической составляющей;

• выявлена хорошая адаптация метода экспоненциального сглаживания к изменениям в поведении временного ряда при прогнозировании загрузки канала на короткий период;

• предложены методики идентификации аномальных наблюдений на основе агрегирования данных, конечных разностных операторов и критерий резко выделяющихся наблюдений.

7. Разработана программа «Анализатор трафика» с целью обработки статистической информации о функционировании телекоммуникационной сети и выдачи рекомендаций системному администратору сети. С ее помощью можно определить нормальный профиль сети (этап анализа), выявить отклонения от нормального профиля сети (этап мониторинга) с целью определения возникновении нештатной ситуации и принятия соответствующего решения об изменении конфигурации или загрузки сети.

В заключении изложены основные результаты и выводы по диссертационной работе.

В приложениях представлена основная программно-экспериментальная реализация системы анализа и мониторинга телекоммуникационных сетей с использованием статистических методов - Те1е81а1, а также Акты внедрения практических результатов работы.

Таким образом, в данной работе выполнены:

1. Разработка научных основ исследования статистических принципов функционирования телекоммуникационных систем и компьютерных сетей.

2. Теоретический анализ (на основе обработки статистической информации) и экспериментальное исследование функционирования научно-образовательных телекоммуникационных сетей.

3. Разработка научных подходов, методов, алгоритмов и программ, обеспечивающих контроль и диагностику функционирования телекоммуникационных систем и компьютерных сетей.

4.Разработан и апробирован комплекс программных средств для различного уровня использования начиная от системного администратора телекоммуникационной сети до системного аналитика.

Эффективность комплекса программных средств подтверждается внедрением разработанных в диссертации теоретических основ, методов и алгоритмов как на федеральном уровне - в Министерстве образования и науки Российской Федерации, так и на региональном - в научно-образовательной сети RUNNet-RBNet - в Ростовском ГУ, Тамбовском ГТУ, Пермском ГУ, Ярославском ГУ, СПб ГУ информационных технологий и точной механики, Владимирском ГУ, Рязанской радиотехнической академии, Новгородском ГУ.

Результаты диссертационной работы непосредственно отражены в 72 публикациях, в том числе в монографии Енюков И.С., Ретинская И.В., Скуратов А.К. Статистический анализ и мониторинг научно-образовательных интернет-сетей. Под. ред. Тихонова А.Н. -М.: Финансы и статистика, 2004.-320с.:ил. ISBN 5-279-02801-0, УДК 004.738.5:311, ББК 32.973.202вбв двух учебно-методических пособиях, 12 статьях, опубликованных в журналах ВАК, 11 статьях в других журналах и 38 трудах конференций, а также 8 научно-технических отчетах по госбюджетным и хоздоговорным темам, выполненным по теме диссертации при непосредственном участии и руководстве автора.

Заключение диссертация на тему "Статистический мониторинг и анализ телекоммуникационных сетей"

ВЫВОДЫ К ГЛАВЕ 6

1. В данной главе приведены экспериментальные результаты реализации научных методов и методик, сформулированных и модифицированных в Главе 4 в соответствии с алгоритмами, разработанными в Главе 5.

2. Проведен анализ и исследование параметров телекоммуникационной сети с помощью пакета программы TeleStat, включая использование процедур подготовки и обработки данных, анализ и исследование данных, преобразование накопительных рядов с обнулением, преобразование рядов ошибок регистрации, обработку рядов с выбросами, анализ двумерных диаграмм рассеивания с помощью матричного дисплея. Продемонстрирован процесс использования команд и меню пакета программ TeleStat.

3. Для оперативной статистической обработки характеристик сетевого трафика на основе долговременной статистики была разработана и представлена программа «Роутер».

4. Для анализа периодической составляющей на основе модифицированного метода спектрального анализа, описанного в Главе 4, разработана и представлена программа «AFINT».

5. Представлены результаты исследования загрузок каналов научно-образовательной сети RUNNet по трем интерфейсам; ATM, FastEthernet 1/0 и FastEthernet 4/0 на основе анализа и исследования разработанной в Главе 4 составляющих математической модели, которая описывает поступление и передачу информации по каналам связи: a. для всех исследуемых характеристик в значениях временных рядов доминирующими частотами являются суточная и недельная гармоники; b. начальный момент времени для разложения временного ряда, представляющего собой загрузку канала, в ряд Фурье, необходимо брать равным 6 ч. 00 мин.

6. Представлены результаты проведения экспериментов по основным методикам анализа и исследования телекоммуникационной сети: идентификация аномальных наблюдений, метод агрегирования данных, метод конечных разностей, прогнозирование сетевого трафика по методу экспоненциального сглаживания. В результате: a. Разработана модифицированная методика повышения значимости регрессионной модели за счет удаления периодической составляющей и последующего применения метода скользящего среднего. b. Разработан модифицированный метод конечных разностных операторов для исключения влияния тренда и основных гармоник периодической составляющей. c. Выявлена хорошая адаптация метода экспоненциального сглаживания к изменениям в поведении временного ряда при прогнозировании загрузки канала на короткий период. Предложены методики идентификации аномальных наблюдений на основе агрегирования данных, конечных разностных операторов и критерий резко выделяющихся наблюдений.

7. Разработана программа «Анализатор трафика» с целью обработки статистической информации о функционировании телекоммуникационной сети и выдачи рекомендаций системному администратору сети. С ее помощью можно определить нормальный профиль сети (этап анализа), выявить отклонения от нормального профиля сети (этап мониторинга) с целью определения возникновении нештатной ситуации и принятии соответствующего решения об изменении конфигурации или загрузки сети.

ЗАКЛЮЧЕНИЕ

В ходе диссертационного исследования получены следующие основные результаты:

1. Выполнены исследование и анализ текущего состояния, перспектив и тенденций развития телекоммуникационных сетей на федеральном и на региональном уровнях, в результате чего выявлено, что российские телекоммуникационные сети отличаются нерегулярной структурой, что обусловленно нерегулярным проектированием и финансированием, для российских телекоммуникационных сетей характерно ведомственное (корпоративное) разделение, что затрудняет их адекватный мониторинг с целью оптимального предоставления инфокоммуникационных сервисов.

2. Обосновано, что использование методологии и технологии сетей доставки содержания позволяет эффективно взаимодействовать со статистической системой мониторинга и анализа функционирования телекоммуникационных сетей. Одновременное развертывание сети доставки содержания и статистической системы анализа и мониторинга функционирования телекоммуникационных сетей обеспечивает необходимую управляемость и масштабируемость системы.

3. Выделены основные показатели функционирования телекоммуникационной сети для целей статистического анализа и мониторинга и, наиболее информативный параметр - загрузка канала. Анализ загрузок каналов дает информацию об их стабильности и надежности позволяет эффективно управлять каналом, находить узкие места и делать прогнозы о необходимости дальнейшего расширения канала или сети.

4. Сформулированы практические задачи, для решения которых целесообразно проводить статистический мониторинг и анализ телекоммуникационной сети.

5. Определены понятия анализ и мониторинг телекоммуникационной сети со статистической точки зрения как процессов, связанных с выявлением нормального и текущего профилей телекоммуникационной сети и исследования их статистическими методами.

6. В качестве инструмента первичного сбора статистической информации о функционировании телекоммуникационной сети выбрана процедура сбора информации с помощью протокола управления SNMP. Выбраны и рассмотрены процедуры преобразования первичных значений основных параметров телекоммуникационной сети во временной ряд и случайную последовательность, позволяющие перейти к анализу и моделированию информационных потоков.

7. Предложены методики преобразования данных, циркулирующих в глобальных сетях, учитывающие особенности средств регистрации поступающей информации и предложена модель для описания передачи информации по сети.

8. Проанализированы характеристики сетевого трафика научно-образовательной сети RUNNet, выявлены их особенности: нестационарность, неоднородность, периодичность, сложная форма периодического сигнала. На основе проведенных экспериментов сделан вывод, что для анализа параметров функционирования телекоммуникационной сети целесообразно использовать статистический анализ временных рядов.

9. Для целей статистического анализа телекоммуникационной сети модифицированы методы статистического анализа, такие как регрессионный анализ, дискриминантный анализ, кластер-анализ, нейронные сети. Адаптирован алгоритм к-средних и ряд алгоритмов иерархической классификации для анализа данных в телекоммуникационной сети. Адаптирован алгоритм анализа данных с пропущенными значениями для применения в случае многомерных временных рядов. Модифицирован подход на основе целенаправленного проецирования для анализа резко выделяющихся наблюдений.

10. Разработана математическая модель загрузки канала телекоммуникационной сети. Данная математическая модель телекоммуникационной сети для целей статистического мониторинга и анализа основывается на том, что последовательные значения характеристик телекоммуникационной сети образуют временные ряды. Анализ временных рядов значений характеристик телекоммуникационной сети позволяет предсказать функционирование сети в будущем на основании знания их прошлого функционирования, выяснить механизм, порождающий ряд, или описать характерные особенности ряда.

11. Для моделирования и прогноза временных рядов адаптированы следующие алгоритмы обработки рядов содержащих компоненты тренда и сезонности: алгоритм удаления средних значений, итерационный алгоритм медианного сглаживания, алгоритм разложения рядов остатков по целевым факторам. Развиты методы моделирования временных рядов с оптимизацией параметрической структуры моделей с помощью штрафных функций. Указанные алгоритмы реализованы в пакете программ Те1е81а1 для анализа данных в телекоммуникационных сетях.

12. Приведены экспериментальные результаты реализации разработанных и модифицированных научных методов и методик в соответствии с разработанными алгоритмами. А именно:

-проведен анализ и исследование параметров научно-образовательной сети 111Ж№1 с помощью пакета программ Те1е81а1,

- для статистической обработки характеристик сетевого трафика на основе долговременной статистики разработана программа «Роутер»; для анализа периодической составляющей на основе модифицированного метода спектрального анализа разработана и представлена программа «АП1ЧТ»;

- программа «Анализатор трафика» разработана с целью обработки статистической информации о функционировании телекоммуникационной сети и выдачи рекомендаций системному администратору сети; с ее помощью можно определить нормальный профиль сети (этап анализа), выявить отклонения от нормального профиля сети (этап мониторинга) с целью определения возникновении нештатной ситуации и принятии соответствующего решения об изменении конфигурации или загрузки сети;

- представлены результаты исследования загрузок каналов научно-образовательной сети RUNNet по интерфейсам ATM и FastEthernet на основе анализа и исследования составляющих математической модели, которая описывает поступление и передачу информации по каналам связи; в частности представлены результаты проведения экспериментов по основным методикам анализа и исследования телекоммуникационной сети: идентификация аномальных наблюдений, метод агрегирования данных, метод конечных разностей, прогнозирование сетевого трафика по методу экспоненциального сглаживания.

Таким образом, в диссертации решена крупная научная проблема, состоящая в:

1. Разработке научных основ исследования статистических принципов функционирования телекоммуникационных систем и компьютерных сетей.

2. Проведении теоретического анализа и экспериментальных исследований функционирования научно-образовательных телекоммуникационных сетей основанных на разработанной научной базе.

3. Разработке научных подходов и методов, обеспечивающих контроль и диагностику функционирования телекоммуникационных систем и компьютерных сетей.

4. Разработке и апробация комплекса алгоритмических средств для различного уровня использования, начиная от системного администратора телекоммуникационной сети до системного аналитика (доведенных до программной реализации).

Эффективность комплекса алгоритмических средст, доведенных до программной реализации, средств подтверждается внедрением разработанных в диссертации теоретических основ, методов и алгоритмов как на федеральном уровне - в Министерстве образования и науки Российской Федерации, так и на региональном - в научно-образовательной сети ШЖ^ - в Ростовском ГУ, Тамбовском ГТУ, Пермском ГУ, Ярославском ГУ, СПб ГУ информационных технологий, механики и оптики, Владимирском ГУ, Рязанской радиотехнической академии, Новгородском ГУ, а также в телекоммуникационных компаниях: Владимирском филиале ОАО «ЦентрТелеком», ООО «Цифровые телефонные сети» (г.Ростов-на-Дону).

Практическая ценность и внедрение результатов

Решение вышеуказанных задач позволяет практически осуществлять:

1. Предсказание изменения параметров телекоммуникационной сети на основе обработки статистической информации о ее функционировании.

2. Интеллектуальное управление телекоммуникационной сетью на основе анализа статистической информации о ее загрузке.

3. Исследование временных задержек вдоль маршрута прохождения пакета, снижение которых повышает качество работы сети.

4. Формирование прогноза времени появления перегрузки и ее величины.

5. Контроль и прогнозирование переполнения системных буферов телекоммуникационной сети.

6. Сравнение наблюдаемого поведения телекоммуникационной сети с определенным ранее нормальным профилем и выявление сетевых аномалий.

Практическая ценность выбранного пути решения проблемы определяется разработкой реально действующих алгоритмов и программ для статистического мониторинга и анализа телекоммуникационных сетей, которые, в частности, используются при развитии и администрировании отраслевой телекоммуникационной научно-образовательной сети ШМ^, а именно:

- проведен анализ и исследование параметров телекоммуникационной сети тЖ^ с помощью пакета программ Те1е81а1;

- для статистической обработки характеристик сетевого трафика на основе долговременной статистики была разработана и использована программа «Роутер»; для анализа периодической составляющей на основе модифицированного метода спектрального анализа разработана и использована программа «АБШТ»;

- с помощью программы «Анализатор трафика» определен нормальный профиль сети (этап анализа), выявлены отклонения от нормального профиля сети (этап мониторинга) с целью определения возникновении нештатной ситуации и принятии соответствующего решения об изменении конфигурации или загрузки сети.

Результаты, полученные в работе, внедрены в рамках выполнения следующих проектов: в Министерстве образования и науки Российской Федерации № госрегистрации 0120.0503656; УДК 621.394/.396.019.3 «Развитие методов и средств обеспечения защиты информации в телекоммуникационных сетях Министерства образования и науки Российской Федерации», № госрегистрации 0120.0503662; УДК 37.014.15 «Исследование и реализация методов обеспечения качества передачи информации в телекоммуникационных сетях Министерства образования и науки Российской Федерации», № госрегистрации 0120.0 508459 «Исследование методов и реализация системы защиты информации, в том числе от спама и вирусных атак в корпоративной сети Минобрнауки России» и «Разработка системы мониторинга и управления телекоммуникационным трафиком Минобрнауки России»; в Министерстве промышленности, науки и технологий Российской Федерации № госрегистрации 0120.0 405211 «Разработка и реализация методов мониторинга и статистического анализа научно - образовательных компьютерных сетей» и № госрегистрации 0120.0 405219 «Создание методов, средств и распределенных систем обеспечения защиты информации в телекоммуникационных сетях науки и образования»; в Федеральном агентстве по науке и инновациям Российской Федерации № госрегистрации 0120.0 508460 «Обеспечение технологического развития национальной компьютерной сети науки и высшей школы как уникального объекта инфраструктуры науки и образования»; в Федеральном агентстве по образованию Российской Федерации «Обеспечение региональной связности отраслевой телекоммуникационной сети сферы образования» и № госрегистрации 0120.0 409936 «Разработка математической модели угроз безопасности систем и формирование методики мониторинга и прогнозирования состояния критических параметров системы информационной безопасности»; в Государственном НИИ системной интеграции «Разработка предложений по организации сетевого взаимодействия объектов управления сферы образования с учетом обеспечения безопастности"; в ФГУ РНЦ «Курчатовский институт» № госрегистрации 0120.0 504287 «Разработка и исследование сегментов высокоскоростных участков научно-образовательной сети базирующихся на новых протоколах передачи данных»; в СПб ГУ ИТМО «Разработка типовых сегментов высокоскоростных вычислений на ресурсах науки использующих новые технологии передачи данных» и № госрегистрации 0120.0 508458 «Анализ функционирования информационно-аналитических центров мониторинга в области информационно-телекоммуникационных систем». Основания для выполнения работы

Работа явилась обобщением результатов исследований автора в период с 1996 года по настоящее время и выполнена в Федеральном государственном учреждении Государственный НИИ информационных технологий и телекоммуникаций «Информика». В последние годы работа связана с выполнением Программ Минобразования России «Научное, научно-методическое, материально-техническое и информационное обеспечение системы образования» (2000 - 2003 гг.), «Государственная поддержка региональной научно-технической политики высшей школы и развитие ее научного потенциала» (2001-2002 гг.), Федеральных целевых программ «Электронная Россия» (2002 - 2005 гг.), «Интеграция науки и высшего образования» (2002-2004 гг.), «Развитие единой образовательной информационной среды» (2002 - 2005 гг.), Федеральной программы развития образования (2000-2005), а также ряда хоздоговорных научно-исследовательских работ.

Работа поддержана государственными грантами РФФИ по фундаментальным исследованиям в области технических наук (направление «Информационные технологии в проектировании изделий и технологических процессов их изготовления») по темам «Разработка системы коллективного пользования для статистического анализа телекоммуникационных ресурсов» № 02-07-90026, 2002-2004гг., «Развитие материально-технической базы для проведения исследований в области мониторинга телекоммуникационных ресурсов и проблем информационной безопасности» № 04-07-900286, 2004г, «Система мониторинга, оперативной диагностики и контроля трафика 1Р-сетей », № 05-07-90360, 2005г. Результаты выполнения работ по данным грантам размещены в виде свободно распространяемого ПО по адресу: http://www.informika.ru

Апробация работы и публикации

Основные положения, представленные в диссертации, начиная с 1997 года, регулярно докладывались и обсуждались на научных мероприятиях различного уровня. В том числе на:

Всероссийской научно-методической конференции «Телематика», г.Санкт-Петербург, 1997-2005 гг.

IX Всероссийской школе-семинаре "Современные проблемы математического моделирования", п. Дюрсо, 2001 г.

Всероссийской научной конференции, г. Новороссийск, 2001.

Всероссийской научно-практической конференции, г. Петрозаводск,

Научно-техническом совещании "Создание телекоммуникационной среды высокопроизводительных технологий в регионах России: состояние, проблемы", г. Уфа, 2000г.

Конференции «Высокопроизводительные вычисления и технологии» Москва-Ижевск, 2003 г.

X конференция представителей региональных научно-образовательных сетей "RELARN-2003". г. Санкт-Петербург, 2003 г.

The 19th ICDE World Conference "The New Educational Frontier: Teaching and Learning in a Networked World. Vienna, 1999.

LEARNTEC 2001" 9th European Congress and Trade Fair for Educational and Information Technology. Karlsruher, Germany, 2001.

The 18th ICDE World Conference "The New Learning Environment. A Global Perspective. The Pennsylvania State University, 1997.

20-th World Conference on Open Learning and Distance Education "The Future of Learning - Learning for the Future: Shaping the Transition". Dusseldorf, Germany, 2001.

Результаты диссертационной работы непосредственно отражены в 79 публикациях, в том числе в монографии, в 14 статьях, опубликованных в журналах ВАК, в 11 статьях в других журналах и 38 трудах конференций, в 2 учебно-методических пособиях, а также 13 научно-технических отчетах по госбюджетным и хоздоговорным темам, выполненным по теме диссертации при непосредственном участии и руководстве автора.

Библиография Скуратов, Алексей Константинович, диссертация по теме Телекоммуникационные системы и компьютерные сети

1. Аверьянова С.Ф. Информационные технологии в открытом образовании. Теоретические основы информатики и ее приложений: Сб. ТЗЗ научных трудов/ Под ред. проф. Сытникова A.A. Саратов: Изд-во Сарат. Ун-та 2003, вып 5,с. 3-5.

2. Аграновский A.B., Скуратов А.К., Тихонов А.Н., Хади P.A. Информационная безопасность в RUNNet. Труды XI Всероссийской научно-методической конференции «Телематика 2004», 7-10 июня 2004 г., СПб., том 1, стр.66-68.

3. Айвазян С.А. Интеллектуализированные инструментальные системы в статистике и их роль в построении проблемно-ориентированных систем поддержки принятия решений // Обозрение проблем прикладной математики. Том 4, №2 М.: Наука, 1997

4. Айвазян С.А. Программное обеспечение персональных ЭВМ по статистическому анализу данных //Компьютер и экономика: экономические проблемы компьютеризации общества. М.: Наука, 1991, с. 91-107.

5. Айвазян С.А., Бухштабер В.М. Прикладная статистика; Классификация и снижение размерности. Справ. Издание. М.; Финансы и статистика; 1989.

6. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных; Справ. Издание. M.; Финансы и статистика; 1983, 471 с.

7. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Исследование зависимостей. М.: Финансы и статистика, 1985,488 с.

8. Ю.Айвазян С.А., Степанов B.C. Инструменты статистического анализа данных. //Мир ПК №8, 1997 , Изд-во Открытые системы, 1997, с. 1-15

9. И.Алексахин C.B., Балдин A.B. Прикладной статистический анализ. М.: Приор; 2001.

10. Андерсон Т. Введение в многомерный статистический анализ. М.: Физматгиз, 1963 г., 500 с.

11. Андерсон Т. Статистический анализ временных рядов. М.: Мир, 1976, 755 с.

12. Арлазаров В. Л., Емельянов Н.Е. Управление информационными потоками, ISBN: 5-354-00130-7, M: Эдиториал УРСС 2002. 368 с.

13. Ассоциация научных и учебных организаций, пользователей компьютерных сетей передачи данных RELARN (http://www.relarn.ru:8080/about/index.html)

14. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование. М.: Финансы и статистика; 2001, 228 с.

15. П.Афанасьев К.Е., Домрачев В.Г., Ретинская И.В., Скуратов А.К., Стуколов C.B. Многопроцессорные системы: построение, развитие, обучение / Под ред. Тихонова А.Н. М.: КУДИЦ-ОБРАЗ, 2005. - 224 с.

16. Барашкин Р.Л., Бугай А.И. Программное средство для анализа сетевого трафика. Новые информационные технологии: Тезисы докладов XI

17. Международной студенческой школы-семинара в 2-х томах, май 2003 г., Изд-во: М. МГИЭМ, 2003 том 2 с. 486-487.

18. Безрукова Е. Г., Руденчик Е. А. Прогнозирование статистических временных рядов. М-во общ. и проф. образования РФ. Яросл. гос. техн. ун-т Ярославль, 1997, 94 с.

19. Бендат Дж., Пирсол А. Измерение и анализ случайных процессов. Пер. с англ. МатушевскогГ.В. и Привальского В.Е. М.: «Мир», 1974,464 с.

20. Блэк У., Internet: протоколы безопасности. Питер, 2001, 288 с.

21. Бокс Дж., Дженкинс Г. Анализ временных рядов, прогноз и управление. М.: Мир, 1974 г.

22. Болышев J1.H., Смирнов Н.В. Таблицы математической статистики. М.: «Наука», Главная ред-ия физ.-мат. Литературы, 1983, 416 с.

23. Бройдо B.J1. Вычислительные системы, сети и телекоммуникации. Спб.: Питер, 2002, 688 с.

24. Бугай А.И., Гугель Ю.В., Калинина Э.В., Ретинская И.В., Скуратов А.К. Применение агрегирующих и разностных операторов для анализа потоков информации в сетях. ISBN 5-7722-0253-7. "Вестник РГРТА", Выпуск №13, Рязань, 2003г. стр.41-46. УДК 004.4'242.

25. Бугай А.И., Калинина Э.В., Ретинская И.В., Скуратов А.К. Статистический анализ информационных потоков в глобальных сетях.

26. Информационные технологии, №1, 2002. Изд-во «Машиностроение», «Информационные технологии, 2002. с. 11-15.

27. Васильев П.М., Иванов В.В., Кореньков В.В. и др. Система сбора, анализа и управления сетевым трафиком фрагмента сети ОИЯИ на примере подсети университета "Дубна" -Дубна, 2001. 11 с.

28. Вегешна Ш. Качество обслуживания в сетях IP, Изд-во Вильяме, 2003, 368 с.

29. Вильям Столингс, Структурная организация и архитектура компьютерных систем. Изд.5, Вильяме 2002, 896 с.

30. Вопросы динамико-статистических прогнозов и спектрального анализа временных рядов; Тр. Вып.56; Под ред. Алехина Ю.М. JL; Изд-во Ленингр. гидрометеорол. ин-та; 1975 г.

31. Глубев В.В., Никитин В.М., Никитина Д.А. Статистика. Определение общей тенденции развития рядов динамики. М.: РГОТУПС, 2002, 105 с.

32. Городецкий А.Я., Заборовский B.C. Фрактальные процессы в компьютерных сетях. Изд-во СПбГТУ, 2000, 101 с.

33. Гугель Ю.В. Internet современная среда вещания. Труды Международной научно - методической конференции «Телематика 2001», 18-21 июня 2001 года, Санкт-Петербург, изд-во СПбГТУ, с. 44.

34. Гусейнзаде М.А., Калинина Э.В., Добкина М.Б. Методы математической статистики в нефтяной и газовой промышленности. М. Недра, 1979, 340 с.

35. Дженкинс Г., Ватте Д. Спектральный анализ и его приложения. М.: Мир, 1972, вып 2.

36. Домарев В. Безопасность информационных технологий. Методология создания систем защиты, Diasofi, 2001, 688 с.

37. Домрачев В. Г., Ретинская И. В., Скуратов А. К. Стратегия и практические пути подготовки специалистов по высокопроизводительным вычислениям. Информационные технологи. №7,2001г.

38. Домрачев В.Г., Безрукавный Д.С., Калинина Э.В., Ретинская И.В., Скуратов А.К. Нечеткие методы в задачах мониторинга сетевого трафика. Ж. Информационные технологии. №3 2006 с. 2-10

39. Дрейпер Н., Симт Г. Прикладной регрессионный анализ. М.: Финансы и статистика, 1986, 366 с.

40. Дубров А.М. Мхитарян B.C. Многомерные статистические методы; М.; Финансы и статистика; 1998 г.

41. Дуброва Т.А. Статистические методы прогнозирования. ЮНИТИ, 2003, 206 с.

42. Енюков И.С., Ретинская И.В., Скуратов А.К. Статистический анализ и мониторинг научно-образовательных интернет-сетей. Под. ред. Тихонова А.Н. -М.: Финансы и статистика, 2004.-320с.:ил. ISBN 5-279-02801-0, УДК 004.738.5:311, ББК 32.973.202вб.

43. Ефремов C.B., Скуратов А.К. О проблемах ограничения доступа школьников к ресурсам глобальной сети Интернет. "Новости искусственного интеллекта", #2 (50) 2002г. стр. 26-33.

44. Ефремова М.Р., Петрова Е.В., Румянцев В.Н. Общая теория статистики. М.: ИНФА-М, 2000,416 с.

45. Жамбю М. Иерархический кластер-анализ и соответствия. М.: Финансы и статистика, 1988. - 340 с.

46. Жуков И.О. Актуальность процесса диагностики корпоративных сетей. Новые информационные технологии: Тезисы докладов XI Международной студенческой школы-семинара в 2-х томах, май 2003 г., Изд-во: М. МГИЭМ, 2003 том 2 с. 470.

47. Журбенко И.Г. Спектральный анализ временных рядов. 1982,168 с.

48. Иванников А.Д., Скуратов А.К. Информационные технологии и дистанционное образование. Тезисы докладов международной конференции "Интернет.Общество. Личность" (ИОЛ-99), СПб. 1-5 февраля 1999 г., стор. 181-182.

49. Калинина Э.В. , Лапина А.Г. и др. Оптимизация качества. Сложныепродукты и процессы. Москва. Химия. 1989, 256 с.

50. Калугина Т.А. Социальные аспекты формирования информационного общества. Теоретические основы информатики и ее приложений: Сб. ТЗЗ научных трудов/ Под ред. проф. Сытникова A.A. Саратов: Изд-во Сарат. Ун-та 2003, вып 5,с. 75-80.

51. Кендалл М. Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976, 736 с.

52. Кильдишев Г.С., Френкель A.A. Анализ временных рядов и прогнозирование. М.: Статистика, 1973 г.

53. Князевский B.C., Житников И.В. Анализ временных рядов и прогнозирование. М-во общ. и проф. образования РФ. Рост. гос. экон. акад. Ростов н/Д : Рост. гос. экон. акад., 1998, 161 с.

54. Козлов В.А. Открытые информационные системы, Финансы и статистика, 1999, 224 с.

55. Кокс Д., Льюис П. Статистический анализ последовательности событий. М.: Мир, 1969,312 с.

56. Комашинский В.И., Нейронные сети и их применение в системах управления и связи, Горяч. Линия-Телеком, 2002, 94 с.

57. Компьютерные сети. Модернизация и поиск неисправностей. Пер. с англ., Закер К., БХВ-Петербург, 2001,1008 с.

58. Коноплев В.В. Назиров P.P., Модель представления данных сетевого трафика, М., 2002.22 с

59. Коноплев В.В. Организация центра учета, классификации и мониторинга сетевого трафика: Автореферат диссертации на соискание ученой степени канд. техн. наук :05.13.11. М., 2002,18 с.

60. Кривощеков В.А, Скуратов А.К. Концепция развития дистанционного образования на территории государств-участников СНГ. Труды X Всероссийской научно-методической конференции "Телематика-2003", 14-17 апреля 2003 г., СПб., стр. 453-455.

61. Кузнецов С.Е., Халиев В.А. Обзор специализированных статистических пакетов по анализу временных рядов: Науч. Отчет. М.: СтатДиалог, 1993 г.

62. Кульгин М. Технология корпоративных сетей: Энциклопедия. СПб.: Изд-во «Питер», 2000,512 с.

63. Курилов И.Д., Ознобихин И.В., Сохацкий А.А., Скуратов А.К. Автоматизация проектирования вычислительных систем с использованием формальных языков описания. Механизация и автоматизация производства, № 5, 1991 г., стр.41-45.

64. Лейз Сэмми. Качество обслуживания. //Computerworld, №32,2000

65. Лукацкий А. Обнаружение атак. СПб.: «БХВ-Петербург», 2001, 624 с.

66. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. М.: «Статистика», 1979, 254 с.

67. Майнагашев С.М., Попков В.К. Задача о максимальном потоке в нестационарных сетях связи. В сб. Моделирование в информатике и вычислительной технике. Сб. трудов ВЦ СО РАН, 1988, с. 64-69.

68. Макарова Н.В. Статистика в Excel. M.: Финансы и статистика, 2002, 398 с.

69. Максимов К.Н. Методы анализа сетевой активности пользователей информационных систем. Информационные технологии, №1, 2002. Изд-во «Машиностроение», «Информационные технологии, 2002. с. 16-22

70. Марпл C.JT. Цифровой спектральный анализ и его приложения. М.: Мир, 1990. 480 с

71. Мартин Дж. и др. ATM. Архитектура и реализация, Лори, 2000 г.

72. Мартин М. Введение в сетевые технологии. Изд-во Лори, 2002, 659 с.

73. Международная компьютерная сеть RUHEP/Radio-MSU (http://www.radio-msu.net/about.htm)

74. Мельников Д.А. Информационные процессы в компьютерных сетях М.: Кудиц-Образ, 1999,256 с.

75. Милославская Н.Г., Толстой А.И. Интрасети: обнаружение вторжений. Юнити, 2001,587 с.

76. Назаров А.Т. М: Технические решения создания сетей, Горячая линия-Телеком, 2000, 376 с.

77. Норкатт С. Обнаружение вторжений в сеть. Лори, 2000, 416 с.96.0лифер В.Г., Олифер Н.А Новые технологии и оборудование IP-сетей, BHV-СПб, 2000,512 с.

78. Олифер В.Г., Олифер H.A. Компьютерные сети. Принципы, технологии, протоколы. СПб.: Питер, 2000. 672 с.

79. Олифер В.Г., Олифер H.A. Основы сетей передачи данных. ИНТУИТ.ру , 2003,248 с.

80. Основы теории статистических выводов: Пер. с англ. Питмен Э., 1986, 104 с.

81. Осовский С. Нейронные сети для обработки информации: Пер. с польсл. -М. Финансы и Статистика, 2002. -357с.

82. Остерлох X. TCP/ IP Семейство протоколов в сетях компьютеров, Diasoft, 2002, 576 с.

83. Остерлох X. Маршрутизация в IP-сетях. Принципы, протоколы, настройка, Diasoft, 2002, 512 с.

84. Папшева Л.В. Информационные технологии и формирование технологической культуры педагога. Теоретические основы информатики и ее приложений: Сб. ТЗЗ научных трудов/ Под ред. проф. Сытникова A.A. Саратов: Изд-во Сарат. Ун-та 2003, вып 5,с. 116-120.

85. Парлетт П.Б. Симметричная проблема собственных значений. Численные методы. М.: Мир, 1983. - 382 с.

86. Попов Михаил, «Пока не началось», Компьютерра, №16 (345) 09.05.2000 (http://www.computerra.ru/offline/2000/345/)

87. Попов Михаил, «Россия в коконе оптоволокна» Инфо-Бизнес, №16 (118) (http://www.ibusiness.ru/offline/)

88. Преобразование Фурье в комплексной области: Пер. с англ. Винер Н. Пэли Р., 1964, 268 с.

89. Прохоров Ю.В. Вероятность и математическая статистика. Энциклопедия, 1999 г.

90. Пятибратов А.П., Гудыно Л.П., Вычислительные системы, сети и телекоммуникации, М.: Финансы и статистика, 2001, 512 с.

91. Распределения, комплексные переменные и преобразования Фурье: Пер. с англ. Бремерман Г.Б. Изд-во М: Мир, 1968, 276 с.

92. Романец, Тимофеев, Шаньгин. Защита информации в компьютерных системах и сетях. Радио и связь, 1999, 328 с.

93. Российская Космическая Научная Сеть Интернет (Russian Space Science Internet RSSI) (http://www.rssi.ru/cpl251/rssi.htm).

94. Сажин Ю. В., Катынь А. В., Басова В. А., Сарайкин Ю. В. Статистические методы прогнозирования на основе временных рядов. Саранск : Изд-во Морд, ун-та, 2000, 113 с.

95. Скуратов А. К. Обеспечение доступа межшкольных методических центров проекта «Информатизация системы образования» к Интернет в рамках планируемого кредита МБРР" // Телекоммуникации и информатизация образования. 2004. - 3. - С. 14-37.

96. Скуратов А.К, Ретинская И.В., Калинина Э.В., Бугай А.И. Анализ трафика научно-образовательных сетей. Автоматизация, телемеханизация и связь в нефтяной промышленности, научно-технический журнал, №2, 2003, Изд-во М.: ОАО «ВНИИОЭНГ», 2003, с. 4-7.

97. Скуратов А.К. "Разработка нормативно-правовых документов и отраслевых стандартов дистанционного обучения". "The Tacis DELPHI Project Component IV Open and Distance Learning". Tacis services DG1A, European Commission, June 2001, pp. 74-77.

98. Скуратов А.К. Алгоритмы анализа и мониторинга телекоммуникационной сети с использованием статистических методов. УДК 004.4*242 /Вестник УГАТУ: Сб-к. науч. трудов -Уфа:Изд.УГАТУ, 2005, т.6, №1(12). с.212-226.

99. Скуратов А.К. Анализ проектов микропроцессорных устройств управления производственными процессами. Механизация и автоматизация производства, № 8,1990, стр. 8-12.

100. Скуратов А.К. Использование временных рядов для целей статистического анализа телекоммуникационных сетей на основе исследования информационных потоков. УДК 004.738.5:3И/Вестник Новгородского государственного университета им. Ярослава Мудрого:

101. Научно-теоретический и прикладной журнал. Серия «Технические науки». 2005 №34, с. 112-117.

102. Скуратов А.К. Методические рекомендации по качеству учебных материалов для дистанционного обучения: практическое пособие. М.: Современный гуманитарный университет, 2001. 119 страниц. ISBN 583230-0170-6.

103. Скуратов А.К. Методы и средства видеоконференцтехнологий. Тезисы докладов Международной конференции-выставки "Информационные технологии в непрерывном образовании", Петрозаводск, 5-9 июня 1995 г, стр. 176-177.

104. Скуратов А.К. Моделирование инфокоммуникационных научно-образовательных сетей. Индустрия образования: Сборник статей. Выпуск 6.-М.: МГИУ, 2002, стр. 290-294.

105. Скуратов А.К. Мониторинг функционирования телекоммуникационных сетей с использованием методов статистического анализа. Известия Тульского государственного университета. УДК 681.51.015.26:681.51.015.23. Серия Вычислительная техника.

106. Информационные технологии. Системы управления. Выпуск 1. Вычислительная техника. -Тула: ТулГУ, 2005, стр. 113-122.

107. Скуратов А.К. Национальный образовательный портал. Научный сервис в сети Интернет: Труды Всероссийской научной конференции (2429 сентября 2001г., г. Новороссийск).-!^.: Изд-во МГУ, 2001, с.79-80.

108. Скуратов А.К. Развитие региональных сегментов РЕОИС в проекте «Информатизация системы образования». Труды XI Всероссийской научно-методической конференции «Телематика 2004», 7-10 июня 2004 г., СПб., том 1, стр.273-275.

109. Скуратов А.К. Россия и глобальное информационное сообщество. Тезисы докладов II Международной научно-практической конференции "Современные информационные технологии в дополнительном образовании: проблемы и перспективы", 13-17 мая 2002 г., Дагомыс.

110. Скуратов А.К. Технология, алгоритмы, методы и средства проведения видеоконференций, "Информационные технологии",0-й номер, 1995 г., стр. 45-48, Москва, Издательство "Машиностроение".

111. Скуратов А.К., Бугай А.И. Исследование информационных потоков в сети RUNNet. Труды Международной научно методической конференции «Телематика 2001», 18-21 июня 2001 г., Санкт-Петербург, изд-во СПбГТУ, с. 29-30;

112. Соколов, Шаньгин. Защита информации в распределенных корпоративных сетях и системах. ДМК, 2002, 656 с.

113. Спортак М., Паппас Ф. и др. Компьютерные сети и сетевые технологии, ДиаСофт, 2002, 736 с.

114. Справочник компаний "E-xecutive" (http://www.e-xecutive.ru/bookl 6/)

115. Справочник по прикладной статистике. Том 2. Под редакцией Ллойда Э., Ледермана У. М.: Финансы и статистика, 1990. 525 с.

116. Статистические и математические системы // Тысячи программных продуктов: Каталог: Вып. 2. М., 1995, с. 88-92.

117. Столлингс В., Компьютерные системы передачи данных. Изд. 6, Вильяме 2002, 928 с.150. "Страна.11и" и фонд "Общественное мнение", результаты исследования «Интернет в России/Россия в Интернете» (http:// internet, strana.ru/ful 1 Г)

118. Талонов A.B., Захарова O.K., Скуратов А.К., Школяр H.A. Менеджмент образовательных проектов и программа ТЕМПУС. -Москва, 2003.-160 с.

119. Терра Интернет, 29.04.2001 (http://www.psc.ru/service/tin200104.html)

120. Тимонина Е.Е. Контроль каналов как основа защиты информационных технологии. Труды международной конференции «Информационные технологии в науке, образовании, телекоммуникации, бизнесе», Украина, Крым, 20-30 мая 2002 г., с. 149-151.

121. Тихонов А.Н., Скуратов А.К., Домрачев В.Г., Ретинская И.В. Новый этап развития и использования высокопроизводительных вычислительных ресурсов в научно-образовательной среде. Новости искусственного интеллекта (AI News), 4 (52) 2002 г., стр. 35- 45

122. Толковый словарь сетевых терминов и аббревиатур. Официальное издание Cisco Systems, Вильяме, 2000, 368 с.

123. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере. Под редакцией Фигуров В.Э. М: ИНФРА, М, Финансы и статистика, 1995.

124. Уилсон Эд. Мониторинг и анализ сетей. Методы выявления неисправностей, Лори, 2002, 350 с.

125. Фейт С., TCP/IP Архитектура, протоколы, реализация, Лори, 2000, 424 с.

126. Хелд Г. Технологии передачи данных. Изд. 7, Питер, 2003, 720 е.,

127. Хованова Н. А., Хованов И. А. Методы анализа временных рядов. Саратов : Изд-во Гос. учеб.-науч. центра «Колледж» , 200, 119 с.

128. Хогдал Анализ и диагностика компьютерных сетей. Просто и доступно, Изд-во ЛОРИ, 2000, 353 с.

129. Чекотовский Э.В. Графический анализ статистических данных в Microsoft Excel 2000, Изд-во: Вильяме 2002, 464 с.

130. Шурин A.M. Регрессия: выбор вида зависимости, эффективность и устойчивость решений. Автоматика и телемеханика. №6 , 1996, с. 90-102.

131. Alexander S., Arbaugh W.A., Keromytis A.D., Smith J. M. Safety and security of programmable network infrastructures IEEE Communications Magazine. Volume 36, Issue 10. - Oct. 1998, p. 84-92

132. Broker Credit Service, Company Research, "JSC Rostelecom" (http://www.bcs.ru)

133. Bykova M., Ostermann S., Tjaden B. Detecting network intrusions via a statistical analysis of network packet characteristics. //Southeastern Symposium on System Theory, 2001. Proceedings of the 33rd, 2001, p. 309314

134. CDI (http://www.ietf.org/internet-drafts/draiit-douglis-cdi-known-mech-OO.txt)

135. CDN Vocabulary (http://www.ietf.org/internet-drafts/draft-day-cdnp-model-09.txt)

136. Computer Industry Almanac Inc., "U.S. has 33% Share of Internet Users Worldwide Year-end 2000 According to the Computer Industry Almanac"http://www.c-i-a.com/200103iu.htm)

137. Farum N.R, Stanton L.W. Quantitative forecasting methods. PWS-KENT Publishing Company, Boston, 1988

138. International Finance Center, "Rostelecom gets a strategy; now for the dirty work", Economist Intelligence Unit Briefs, May 24, 2001 (http://biz.yahoo.com/ifc/ru/).

139. Ivannikov Alexander, Malyshev Nikolay, Skuratov Aleksey. "UNESCO-RUSSIA The World Technological University".)". The 19th ICDE World Conference "The New Educational Frontier: Teaching and Learning in a

140. Networked World. Vienna, June 20-24, 1999. Abstracts of the conference papers ICDE on CD-ROM .

141. Kendall, M. G. (1984). Time Series. New York: Oxford University Press.

142. Kendall, M., & Ord, J. K. (1990). Time series (3rd ed.). London: Griffin.

143. Kuznetsov Artem, "Why Rostelecom falling?" Weekly Topic, 19 March 2001 (http://www.ifs.ru/en/week.htm)

144. Makridakis, S. G., Wheelwright, S. C., & McGee, V. E. (1983). Forecasting: Methods and applications (2nd ed.). New York: Wiley.

145. Masters T. Neural, Novel & Hybrid Algorithms for Time Series Prediction. NY: John Wiley & Sons, 1995.

146. Milligan G.W. A Monte-Carlo Study of Thirty Internal Criterion Measures for Cluster Analysis// Psychometrika, 1981, v. 46, №2, p. 187-197.

147. Montgomery, D. C., Johnson, L. A., & Gardiner, J. S. (1990). Forecasting and time series analysis (2nd ed.). New York: McGraw-Hill.

148. MSUNet (Moscow State University Network) (http://www.msu.net/net/)

149. Nazarova Inna, Lakaeva Irina, «Overview of Electronic Commerce in Russia", BISNIS Bulletin, 08/30/2000 (http://www.bisnis.doc.gov/bisnis/bisnis.html)

150. Pankratz, A. (1983). Forecasting with univariate Box-Jenkins models: Concepts and cases. New York: Wiley.

151. Request-Routing Known Mechanisms (http://www.ietf.org/internet-drafits/draft-cain-cdnp-known-request-routi)

152. Requirements for Accounting (http://www.ietf.org/internet-drafts/draft-gilletti-cdnp-aaa-reqs-01 .txt).

153. Requirements for Distribution (http://www.ietf.org/internet-drafits/draft-amini-cdi-distribution-reqs-02.txt)

154. Requirements for Request-Routing (http://www.ietf.org/internet-drafts/draft-cain-request-routing-req-03.txt)

155. Scenarios (http://www.ietf.org/internet-drafts/draft-day-cdnp-scenarios-04.txt)

156. Shumway R., Stoffer D. Time Series Analysis and its Applications. Series Springer Texts in Statistics, 2001, 549 pp.

157. Shumway, R. H. (1988). Applied statistical time series analysis. Englewood Cliffs, NJ: Prentice Hall.

158. Skuratov Aleksey K. Videoconferencing technology in Engineering distance education. International conference of Engineering Education (ICEE'95), May 23-25, 1995, Moscow, p. 234.

159. System Architecture (http://www.ietf.org/internet-drafts/draft-green-cdnp-gen-arch-03 .txt),

160. Vandaele, W. (1983). Applied time series and Box-Jenkins models. New York: Academic Press.

161. Velleman, P. F., & Hoaglin, D. C. (1981). Applications, basics, and computing of exploratory data analysis. Belmont, CA: Duxbury Press.

162. Walker, J. S. (1991). Fast Fourier transforms. Boca Raton, FL: CRC Press.

163. Wei, W. W. (1989). Time series analysis: Univariate and multivariate methods. New York: Addison-Wesley.