MASS：移动自主站点仿真
网络与互联网体系结构
2021-11-18 v1
摘要
我们提出了一套在保留原始轨迹隐私的前提下重放无线网络流量轨迹的工具集。轨迹由用户与上下文感知的已训练生成对抗网络（GAN）生成。该重放可根据上下文参数（如应用类型和实时信号强度）生成任意数量用户、任意时长的真实感轨迹。我们在三种重放场景中展示了这些工具的实用性：Linux 与 Android 站点实验以及 NS3 仿真。我们还评估了 GAN 模型生成保留原始轨迹关键统计特性（如特征相关性、统计矩和新颖性）的轨迹的能力。我们的结果表明，在这些指标上我们优于传统的统计分布拟合方法以及最先进的 GAN 时间序列生成器。我们的 GAN 模型能够生成任意数量的用户轨迹，而不受原始轨迹中用户数的限制，这也使得我们的工具相比以往的 GAN 方法更具实际适用性。此外，我们展示了一个在我们的工具被用于 Wi-Fi 研究实验中的用例。
引用
@article{arxiv.2111.09161,
title = {MASS: Mobile Autonomous Station Simulation},
author = {Thomas Sandholm and Sayandev Mukherjee},
journal= {arXiv preprint arXiv:2111.09161},
year = {2021}
}