Projet : FRACTALES - fractales

<body bgcolor="#FFFFFF" text="#000000" link="#9944EE" vlink= "#0000FF" alink="#00FF00"> <h2><a name="SECTION00041000000000000000" id= "SECTION00041000000000000000">Trafic sur Internet</a></h2>  <a name="FRACTALES_domaine_trafic" id= "FRACTALES_domaine_trafic"></a> <p><br /> <br /> <span class="textbf">Participants :</span> Jacques Lévy Véhel, Biplab Sikdar.<br /> <br /></p> <blockquote> En collaboration avec D. Koffman (ENST) et P. Nain (INRIA Sophia). </blockquote> <p><strong>Mots clés :</strong> <i>analyse multifractale, mouvement Brownien multifractionnaire, trafic de données .</i></p> <h3>Résumé :</h3> <div class="ABSTRACT"> <i>Les trafics sur les réseaux d'ordinateurs présentent des spécificités dont l'étude nécessite de nouveaux outils ; en particulier, leur forte sporadicité, qui ressemble à celle de processus tel le mBf, a des conséquences importantes par exemple sur les temps de transfert.</i> </div> <p>Les modèles conventionnels de trafic supposent généralement que les processus d'arrivée (caractérisés par le nombre d'octets échangés) sont, soit sans mémoire, soit à mémoire ``courte''. Ces hypothèses se sont révélées inadéquates pour décrire la structure des trafics observés sur des réseaux de type LAN. En particulier, elles ne permettent pas de rendre compte de la forte sporadicité observée sur plusieurs échelles de temps, qui semble être principalement liée au fait que les processus d'arrivée sont à mémoire longue. Des modèles récents prennent en compte cette caractéristique en considérant le processus à mémoire longue le plus simple, le mouvement Brownien fractionnaire. Le succès du mBf comme modèle du trafic repose sur le fait que le degré de dépendance à long terme est contrÔlé par un seul paramètre, <span class="MATH"><i>H</i></span>. La dépendance à long terme étant grossièrement une qualité statistique de l'ordre <span class="MATH">2</span>, il est naturel de se demander si le mBf est aussi un bon modèle pour les statistiques d'ordre supérieur des trafics réels.</p> <p>L'analyse multifractale permet d'apporter des réponses via le spectre multifractal qui caractérise les irrégularités locales du processus. Pour un mBf, ce spectre est trivial : la régularité locale est partout la même (égale à <span class="MATH"><i>H</i></span>). Dans ce sens, le mBf est un processus monofractal. Des études numériques intensives ont montré que les trafics LAN enregistrés à Berkeley et au CNET exhibent au contraire un comportement multifractal sur <span class="MATH">3</span> à <span class= "MATH">4</span> ordres de grandeur.</p> <p>Les spectres observés mettent aussi en évidence les différences entre les trafics sortant et entrant, dans toutes les traces analysées. D'autre part, la forme particulière du spectre du trafic sortant à Berkeley fournit des informations sur la stationnarité du processus, une question importante en pratique. Plus généralement, l'intérêt de ce type d'étude est que les propriétés fractales et multifractales du trafic, comme la mémoire longue et l'irrégularité ponctuelle, ont des répercussions par exemple sur le comportement des files d'attente ou sur les temps de transfert des données.</p> <p>Pour mieux comprendre comment apparaissent ces caractéristiques fractales, nous réalisons des expériences sur un réseau dédié au sein de l'ARC Epsilon. Celles-ci ont mis en évidence plusieurs causes possibles de multifractalité.</p> </body>