Internet Traffic Data
互联网流量数据AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究互联网工程流量，虽涉及时间序列和网络结构，但不足以归入宏观时间序列或微观经济网络方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
互联网流量数据
- 研究问题
- 如何建立统计模型，使生成的互联网流量贴近真实线路上的观测行为，并应对复杂拓扑、巨大数据量和工程反馈？
- 方法与思路
- 摘要建议收集数据包头并组织为连接流，结合互联网结构使用时间序列、点过程和带标记点过程工具描述流量。
- 材料陈述的贡献
- 摘要指出连接流数据为流量建模提供了信息丰富的框架，同时强调现有统计工具仍不足，需要发展新的工具和模型。
- 阅读关注点
- 阅读时应核对连接流的构造、流量特征的度量、网络反馈如何进入模型，以及模拟流量与真实观测的比较标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出具体模型、验证指标或实验结果，不能推断后续刊本变化。
原文摘要
Internet engineering and management depend on an understanding of the characteristics of network traffic. Statistical models are needed that can generate traffic that mimics closely the observed behavior on live Internet wires. Models can be used on their own for some tasks and combined with network simulators for others. But the challenge of model development is immense. Internet traffic data are ferocious. Their statistical properties are complex, databases are very large, Internet network topology is vast, and the engineering mechanism is intricate and introduces feedback into the traffic. Packet header collection and organization of the headers into connection flows yields data rich in information about traffic characteristics and serves as an excellent framework for modeling. Many existing statistical tools and models — especially those for time series, point processes, and marked point process — can be used to describe and model the statistical characteristics, taking into account the structure of the Internet, but new tools and models are needed.