基于机器学习方法的路径AQM检测
网络与互联网体系结构
2017-07-11 v1 系统与控制
摘要
在本文中，我们解决了确定给定网络路径上的瓶颈路由器是使用AQM还是丢尾（drop-tail）方案的问题。我们假设给定一条感兴趣的源到汇路径——沿该路径存在瓶颈路由器——以及关于该流的往返时间（RTT）和拥塞窗口（CWND）大小的数据。我们开发了一种可靠的分类算法，仅使用与单个流相关的RTT和CWND信息来分类瓶颈路由器使用的排队方案，即尾丢（Tail Drop）或AQM。我们评估了我们的方法，并给出了结果，证明了我们的算法在多种复杂网络拓扑和配置下具有高准确的分类能力。
引用
@article{arxiv.1707.02386,
title = {Detection of AQM on Paths using Machine Learning Methods},
author = {Cenk Baykal and Wilko Schwarting and Alex Wallar},
journal= {arXiv preprint arXiv:1707.02386},
year = {2017}
}