فهرست نشریات علمی دسترسی آزاد ایران

امروزه مدل‌سازی ترافیک شبکه و تولید ترافیک هنجار از اهمیت بالایی برخوردار است. تا به امروز مدل‌سازی‌های زیادی بر روی ویژگی‌های مختلف ترافیک شبکه انجام شده است که تقریباً اکثر آنها از توزیع‌های احتمالاتی استفاده کرده‌اند. در این مقاله، روش جدیدی برای مدل‌سازی ویژگی‌های مختلف ترافیک شبکه معرفی می‌شود که مبتنی بر قانون زیف است. قانون زیف یک قانون تجربی است که رابطه‌ای بین فراوانی و رتبه هر دسته در مجموعه داده‌ها، ارائه می‌کند. در این مقاله نشان داده می‌شود که قانون زیف می‌تواند به‌خوبی ویژگی‌های مختلف ترافیک شبکه را مدل‌سازی نماید. برای این منظور، دو ویژگی مهم ترافیک شبکه، یعنی اندازه و زمان بین ورود بسته‌های TCP و UDP، مورد مطالعه قرار گرفته است. از مدل‌سازی ویژگی‌های مختلف ترافیک شبکه می‌توان در زمینه‌های مختلفی از جمله شبیه‌سازی ترافیک شبکه و تولید ترافیک هنجار استفاده کرد. مزیت استفاده از قانون زیف این است که می‌تواند با کمترین اطلاعات، بیشترین شباهت را ایجاد کند. همچنین قانون زیف می‌تواند ویژگی‌های مختلف ترافیک شبکه را که ممکن است از توزیع ریاضی خاصی پیروی نکنند، مدل‌سازی کند. با توجه به روش ساده‌ای که این قانون ارائه می‌کند، علاوه بر دقت و محدودیت‌های کمتر نسبت به روش‌های پیشین، مدل‌سازی و شبیه‌سازی را در زمان مناسبی نیز انجام می‌دهد. در این مقاله نشان داده خواهد شد که با دسته‌بندی مقادیر ویژگی‌ها و به‌دست آوردن رتبه آنها، می‌توان مدل‌سازی دقیقی از ویژگی‌ها ایجاد کرد. به عبارت دیگر، رتبه هر دسته، مدل به‌دست‌آمده از مقادیر ویژگی خواهد بود که می‌توان از آن در شبیه‌سازی استفاده کرد.