Uma Abordagem Não Supervisionada para Inferir Qualidade de Experiência em Redes Sem Fio de Grande Escala
Resumo
Inferir a qualidade da experiência de usuários de redes sem fio é desafiador, pois o monitoramento da rede não captura a qualidade para cada usuário individualmente. Este artigo propõe uma abordagem não supervisionada, baseada em aprendizado de máquina, para inferir a qualidade de experiência de diferentes perfis de uso de uma rede sem fio de grande escala. A abordagem proposta usa a correlação entre dados de uso de pontos de acesso e estatísticas de fluxos de dados na rede. A ideia central da proposta é coletar dados de utilização de diversos pontos de acesso, correlacioná-los com as estatísticas dos fluxos das conexões que passam pelos pontos de acesso, reportados pelo NetFlow, e, a partir da aplicação do algoritmo de agrupamento k-means, inferir diferentes perfis de uso da rede. A abordagem proposta foi avaliada na rede sem fio real de grande escala e os resultados mostram que a separação dos fluxos em cinco agrupamentos permite identificar perfis característicos de estados degradados da rede e situações de sobrecarga em pontos de acesso, considerando apenas as estatísticas de fluxos reportadas.
Referências
Balbi, H., Fernandes, N., Souza, F., Carrano, R., Albuquerque, C., Muchaluat-Saade, D. e Magalhaes, L. (2012).
Centralized channel allocation algorithm for ieee 802.11 networks. Em 2012 Global Information Infrastructure and Networking Symposium (GIIS), p. 1-7.
Balbi, H., Passos, D., Carrano, R., Magalhaes, L., e Albuquerque, C. (2016). Análise e solução para o problema da instabilidade de associação em redes IEEE 802.11 densas. Em XXXIV Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos -SBRC'2016.
Biswas, S., Bicket, J., Wong, E., Musaloiu-E, R., Bhartia, A. e Aguayo, D. (2015). Large-scale measurements of wireless network behavior. Em Proceedings of the 2015 ACM Conference on Special Interest Group on Data Commu-nication, SIGCOMM '15, p. 153-165, London, United Kingdom. ACM.
Cisco, V. N. I. (2017). Global mobile data traffic forecast update, 2016-2021 white paper. Document ID, 1454457600805266.
Dely, P., Kassler, A., Bayer, N., Einsiedler, H. e Peylo, C. (2012). Opti-mization of wlan associations considering handover costs. EURASIP Journal on Wire-less Communications and Networking, 2012(1):255.
Divgi, G. e Chlebus, E. (2013). Characterization of user activity and traffic in a commercial nationwide wi-fi hotspot network: global and individual metrics. Wireless Networks, 19(7):1783-1805.
Ghosh, A., Jana, R., Ramaswami, V., Rowland, J. e Shankaranaraya-nan, N. K. (2011). Modeling and characterization of large-scale wi-fi traffic in public hot-spots. Em 2011 Proceedings IEEE INFOCOM, p. 2921-2929.
Guo, X., Chan, E. C. L., Liu, C., Wu, K., Liu, S. e Ni, L. M. (2014). Shopprofiler: Profiling shops with crowdsourcing data. Em IEEE INFOCOM 2014 -IEEE Conference on Computer Communications, p. 1240-1248.
Jang, R., Cho, D., Noh, Y. e Nyang, D. (2017). Rflow+: An sdn-based wlan monitoring and management framework. Em IEEE INFOCOM 2017 -IEEE Conference on Computer Communications, p. 1-9.
Joe-Wong, C., Sen, S. e Ha, S. (2013). Offering supplementary wi-reless technologies: Adoption behavior and offloading benefits. Em 2013 Proceedings IEEE INFOCOM, p. 1061-1069.
Li, B., Springer, J., Bebis, G. e Gunes, M. H. (2013). A survey of network flow applications. Journal of Network and Computer Applications, 36(2):567 -581.
Magalhães, L. C. S. e Mattos, D. M. F. (2018). Caracterização do uso de uma rede sem fio de grande porte distribuída por uma ampla Área. XVII Workshop em Desempenho de Sistemas Computacionais e de Comunicação (WPerformance -CSBC 2018), 17(1/2018).
Manweiler, J., Santhapuri, N., Choudhury, R. R. e Nelakuditi, S. (2013). Predicting length of stay at wifi hotspots. Em Proceedings IEEE INFOCOM 2013, p. 3102-3110.
Mattos, D. M. F., Velloso, P. B. e Duarte, O. C. M. B. (2019). An agile and effective network function virtualization infrastructure for the Internet of Things. Journal of Internet Services and Applications, 10(1):6.
Oliveira, L., Obraczka, K. e Rodríguez, A. (2016). Characterizing user activity in wifi networks: University campus and urban area case studies. Em Proceedings of the 19th ACM International Conference on Modeling, Analysis and Simulation of Wireless and Mobile Systems, MSWiM '16, p. 190-194, Malta. ACM.
Qian, F., Wang, Z., Gerber, A., Mao, Z., Sen, S. e Spatscheck, O. (2011). Profiling resource usage for mobile applications: A cross-layer approach. Em Pro-ceedings of the 9th International Conference on Mobile Systems, Applications, and Services, MobiSys '11, p. 321-334, Bethesda, Maryland, USA. ACM.
Sen, S., Joe-Wong, C., Ha, S. e Chiang, M. (2013). A survey of smart data pricing: Past proposals, current plans, and future trends. ACM Comput. Surv., 46(2):15:1-15:37.
Shye, A., Scholbrock, B., Memik, G. e Dinda, P. A. (2010). Characte-rizing and modeling user activity on smartphones: Summary. Em Proceedings of the ACM SIGMETRICS International Conference on Measurement and Modeling of Com-puter Systems, SIGMETRICS '10, p. 375-376, New York, New York, USA. ACM.
Wang, Y., Yang, J., Chen, Y., Liu, H., Gruteser, M. e Martin, R. P. (2014). Tracking human queues using single-point signal monitoring. Em Proceedings of the 12th Annual International Conference on Mobile Systems, Applications, and Services, MobiSys '14, p. 42-54, New York, NY, USA. ACM.
Xu, Q., Erman, J., Gerber, A., Mao, Z., Pang, J. e Venkataraman, S. (2011). Identifying diverse usage behaviors of smartphone apps. Em Proceedings of the 2011 ACM SIGCOMM Conference on Internet Measurement Conference, IMC '11, p. 329-344, Berlin, Germany. ACM.
Zhang, X., Wang, C., Li, Z., Zhu, J., Shi, W. e Wang, Q. (2016). Explo-ring the sequential usage patterns of mobile internet services based on markov models. Electronic Commerce Research and Applications, 17:1 -11.