Esquema de Controle de Admissão para Redes de Comunicação

Jeferson Wilian de Godoy Stênico, Lee Luan Ling

Departamento de Comunicação
Faculdade de Engenharia Elétrica e Computação
Universidade Estadual de Campinas (Unicamp)

{jeferson,lee}@decom.fee.unicamp.br

Resumo – Este artigo tem como objetivo apresentar um novo esquema de controle de admissão de chamadas que
trabalha em conjunto com uma estratégia de classificação multifractal de tráfego. O esquema proposto aceita ou
rejeita a solicitação de uma nova chamada considerando a largura de banda disponível, para diferentes tipos de
tráfego, dentro de um intervalo especifico de transmissão. Os resultados das simulações mostram que o esquema
de controle de admissão proposto garante o uso eficiente dos recursos disponíveis da rede.
Palavras-chave: Classificação de Tráfego, Processos Multifractais, Controle de Admissão.

1. Introdução Porém na maioria dos casos, esses mecanismos

Com a introdução de novas tecnologias e o
aumento significativo de usuários, atualmente as
redes de faixa larga permitem um grande número
de tipos de tráfegos distintos, compartilhando
recursos comuns através da multiplexação
estatística. A eficiência no compartilhamento dos
recursos de rede depende criticamente de um
algoritmo robusto de controle de admissão de
novas chamadas.
Um algoritmo eficiente de controle de admissão
busca alcançar alta utilização da rede, enquanto
provê os requisitos de qualidade de serviço para
todas as conexões aceitas. A utilização de
modelos multifractais na busca por algoritmos
ótimos de controle de admissão de conexão
mostra-se de relevância prática uma vez que,
características descritas através desses modelos
influenciam o comportamento de filas do tráfego
agregado, possuindo impacto em vários
problemas de engenharia de redes [1][2]. É
importante também ressaltar que esse processo
não é trivial, principalmente devido às grandes e
rápidas variações no comportamento do tráfego.
Os critérios de admissão são as regras pelas quais
os esquemas de controle de admissão aceitam ou
rejeitam um fluxo. Aplicações que exigem
garantias de qualidade de serviço (QoS) tem sido
cada vez mais encontradas na Internet, tais como
voz sobre IP e vídeo conferência. Acredita-se que
vídeo codificado MPEG-4 tomará grande parte
das aplicações das redes sob a exigência de
qualidade de serviço para tráfego de vídeo. No
entanto, hoje a Internet ainda provê em sua
maioria serviço de melhor esforço, se tornando
precária quando ocorre, por exemplo,
congestionamento na rede ou surtos mais
intensos de tráfego. Esse fato tem motivado
muitas pesquisas e propostas de implementação
de mecanismos de QoS na Internet.
Existe na literatura uma grande quantidade de
esquemas para o controle de novas chamadas.
desconsideram a segurança dos dados, por não
analisar o tipo de tráfego que está tentando
conectar na rede, apenas alocam recursos para
manter a qualidade de serviço. Dessa forma, faz
com que um tráfego mal intencionado tenha livre
acesso ao sistema, fazendo com que ocorram
danos irreparáveis na rede. Nós acreditamos que
o primeiro passo a ser realizado para o
desenvolvimento de um robusto sistema de
controle de admissão está na correta classificação
do tráfego. Através disso será possível bloquear
tráfego mal intencionando e até mesmo criar
esquemas de prioridades para os tráfegos bem
intencionados.
Este trabalho tem como objetivo gerar um
esquema de controle de admissão que trabalhe
em conjunto com um esquema de classificação de
tráfego baseado em processo multifractais. O
artigo está organizado de seguinte forma: Na
Seção 2 é apresentado de forma simplificada um
mecanismo de classificação de tráfego assim
como o algoritmo proposto para o controle de
admissão. A Seção 3 exibe os testes
experimentais realizados. Finalmente na Seção 4,
conclui-se o trabalho.
2. Metodologia
A. Classificação de Tráfego
Nesse trabalho, foi utilizado o algoritmo de
aprendizado de máquina C4.5 [3] em combinação
com um processo de cascata multiplicativas para
extração de características de grupos de fluxos.
Esse processo extrai as características do sinal de
tráfego pela aplicação do método de estimação de
densidade de probabilidade dos geradores ou
multiplicadores das cascatas multiplicativas [4].
O objetivo está na obtenção dos multiplicadores
associados a um grupo de fluxos analisados. Os
valores dos multiplicadores são obtidos de acordo
com o trabalho proposto em [4] e assume uma
distribuição normal. Dessa forma, a quantidade
do número de variâncias, será igual à quantidade
do número de estágios da cascata. Finalmente os
valores obtidos das variâncias são colocados em
um vetor que será denotado por "vetor de
características".
Na Figura 1 é apresentada a fase de treinamento
da metodologia proposta, a qual se inicia com a
coleta das séries de tráfego. Dessa forma, é
construído o conjunto de dados de treinamento
rotulando cada fluxo com o nome da aplicação
que o gerou, para isso utiliza-se a ferramenta de
software livre L7-filter [5]. Em seguida,
continua-se com os passos do processo de
cascatas descrito no trabalho [4], obtendo as
variâncias dos multiplicadores para cada estágio.
Os valores das variâncias extraídas são usados
pelo algoritmo C4.5 para criar uma árvore de
decisão ou modelo de classificação, utilizando a
implementação J48 feita com java do algoritmo
C4.5, essa implementação forma parte do
software open source Weka [6]. Finalmente esse
modelo de decisão construído será usado no
processo de classificação.
O esquema de classificação é mostrado na Figura
2, inicialmente a série tráfego a ser classificada é
agrupado em fluxos, depois obtêm-se estatísticas
das variáveis de tráfego usadas para a análise,
através dessas estatísticas cria-se
conjunto de dados respectivo a série inicial. O
próximo passo é extrair as variâncias dos
multiplicadores do conjunto de dados aplicando o
processo de cascatas enunciado no início dessa
seção. Finalmente obtêm-se a predição da
classificação do tráfego.
Figura 1. Fase de Treinamento.
Figura 2. Esquema de Classificação
B. Controle de Admissão
Dado uma série de tráfego qualquer, o processo
inicia-se com sua correta classificação. Para isso,
alguns parâmetros desse tráfego serão extraídos
usando as técnicas descritas anteriormente e com
maiores detalhes em [4]. Devido ao grande banco
de dados que foi gerado, será possível classificar
o tráfego como sendo normal (bem intencionado)
ou anormal (mal intencionando). Caso o tráfego
em análise seja mal intencionado, o algoritmo
proposto bloqueará tal pedido de conexão, mas
caso o tráfego seja considerado normal, segue
para o próximo passo.
Através do processo de classificação do tráfego
será possível distinguir qual é o tipo de tráfego
que está requerendo a admissão na rede. Dessa
forma, é possível fazer a alocação de banda pelo
processo de prioridades, por exemplo, um tráfego
de vídeo poderá ser considerado com a maior
prioridade, já um tráfego de voz teria uma
prioridade secundaria e para um fluxo advindo de
um tráfego de dados teria a mais baixa
prioridade. Na Figura 3 é apresentado um
diagrama de como deverá funcionar o esquema
de controle de admissão proposto.
o
Figura 3. Diagrama do Esquema Controle de
Admissão
Para a obtenção de tal objetivo segue um esboço
do algoritmo proposto.
A.1 Notação Usada
Os parâmetros de QoS de cada conexão Vídeo,
Voz e Dados e as terminologias utilizadas nesse
trabalho é dado abaixo.
t: Duração de um período de tempo (ms);
d: Exigência máxima de atraso em uma conexão
(ms);
m: d/t (um número inteiro);
C : Banda Total Alocada para a transmissão;
C : Máxima Banda Alocada para conexões de
Vídeos;
C : Máxima Banda Alocada para conexões de
Voz;
C : Mínima Banda Alocada para conexões de
Voz;
C : Máxima Banda Alocada para conexões de
Dados;
C : Mínima Banda Alocada para conexões de
Dados;
C : Largura de banda disponível para conexões
de Voz;
C : Largura de banda disponível para conexões Rejeita a conexão
de Dados; End
C : Banda Alocada; Senão
λ: Taxa média de tráfego em uma conexão; % Degradação do desempenho das conexões de
B: O tamanho do Buffer em uma conexão em Dados
(Kbits); Se ( > )
C : Banda Requerida para uma Conecção. Se a Equação 1 for satisfeita
Admite a nova conexão
Senão
Para satisfazer as garantias de atraso das
Rejeita a conexão
conexões foi utiliza a equação apresentada no End
trabalho proposto em [7]: III. CAC para nova conexão de Dados
B ≤ [(m − 1)(1 + C /C )]λt (1) Se uma nova solicitação de chamada chega ao
servidor (Voz)
onde: Se ( ≤( − )  Verificação se há
C : A quantidade total de largura de banda disponibilidade de banda.
alocada para conexões de Vídeo (Real-time); Se a Equação 1 for satisfeita
C : A quantidade total de largura de banda Admite a nova conexão
alocada para as demais conexões (Non Real- Senão
time). Rejeita a conexão
A.2 Algoritmo Proposto End
I. CAC para nova conexão de Vídeo End
Se uma nova solicitação de chamada chega ao
servidor (Vídeo) 3. Testes Experimentais
Se (C ≤ (C − C )  Verificação se há
disponibilidade de banda. Para comprovar a eficácia do esquema de
Se a Equação 1 for satisfeita controle de admissão que trabalha em conjunto
Admite a nova conexão com um esquema de classificação de tráfego,
Senão foram utilizadas nas simulações diversas séries
Rejeita a conexão de tráfego reais, tais como: Séries de Vídeos
End retiradas de [8], Séries de Voz (VoIP) retiradas
Senão de [9], Séries de dados retiradas de [10] e Séries
% Degradação do desempenho das conexões de consideradas como tráfego mal intencionado
Dados extraídos de [8]. Inicialmente foi gerado um
Se (C > C ) banco de dados através de treinamento de séries
Se a Equação 1 for satisfeita reais de Vídeos, Voz, Dados e “Virus”. Em
Admite a nova conexão seguida aplicou-se o esquema de classificação
Senão multifractal, descrito na Seção 2a. Foram
Rejeita a conexão consideradas amostras de séries de tráfego em
End escalas temporais de agregação podendo ser
Senão representadas por cascatas multiplicativas nos
% Degradação do desempenho das conexões de
estágios 6 a 10. Na Figura 4 é possível observar
Voz
que o método de classificação de tráfego é capaz
Se (C > C )
de obter excelentes estimativas na classificação
Se a Equação 1 for satisfeita
Admite a nova conexão correta do tráfego.
Senão
Rejeita a conexão
End
End
End
II. CAC para nova conexão de Voz
Se uma nova solicitação de chamada chega ao
servidor (Voz)
Se ( ≤( − )  Verificação se há
disponibilidade de banda.
Se a Equação 1 for satisfeita
Admite a nova conexão
Senão Figura 4. Classificação de Quatro tipos de Tráfego
 1
O próximo passo foi utilizar o esquema de
controle de admissão proposto na Seção 2b, 0.9

U t iliz a ç ã o d a B a n d a D is p o n í v e l
considerando que o tráfego de Vídeo possui 0.8

maior largura de banda para a transmissão em 0.7

relação aos outros tipos de tráfego. Na Tabela 1 0.6

são apresentadas as configurações utilizadas nas 0.5

simulações para o servidor de rede. A capacidade 0.4
total do servidor de rede foi fixada em = 0.3 C = 15000kbps
T
15000 .
0.2
1 2 3 4 5 6 7 8 9 10
Tabela 1. Configuração do sistema Solicitações de Serviços

Tráfego Taxa Taxa Figura 6. Utilização da Largura de Banda do

Máxima Mínima (Kbits) (ms)
(Kbps) (Kbps)
Vídeo 9000
Voz 5000
Dados 1000
Na Figura 5 são apresentadas as probabilidades
de bloqueio de chamadas em relação às
solicitações de serviços. É possível observar
claramente que as chamadas com maior taxa de
transmissão (tráfego de vídeo) possui
probabilidade de bloqueio reduzida em
comparação com os outros tipos de tráfego.
Dessa forma é possível afirmar que o método
proposto para o controle de admissão de novas
chamadas comporta-se conforme o esperado no
senário utilizado para a validação deste trabalho,
garantindo o uso eficiente dos recursos
disponível na rede.
1
0.8
P ro b ab ilid ad e d e B lo q ue io
Sistema
multifractais obter características relevantes de
4000 10000 20 cada tipo de tráfego e dessa forma torna-se
3000 7000 30 possível distinguir os diferentes tráfego na rede. O
1000 600 - esquema de controle de admissão aceita uma nova
solicitação considerando prioridades para os
diferentes tipos de tráfego. A estratégia proposta
tem o objetivo de garantir QoS para as chamadas
de maior prioridade (Tráfego de Vídeo) e desse
modo, reduz a taxa de transmissão dos tráfegos
com menores prioridades. Os resultados das
simulações comprovaram que o esquema
proposto é capaz de garantir o uso eficiente dos
recursos disponíveis da rede, além de oferecer
consistência no provisionamento de QoS e na
segurança dos dados que fluem no sistema.
Referências
[1] Stênico, J. W. G.; Lee, L. L.; Vieira, F. H. T.
Queuing Modeling Applied to Admission Control of
Network Traffic Flows Considering Multifractal
Characteristics". IEEE Latin America Transactions,

Vol. 11, No.2, Pages 749-758, March 2013.

0.6
[2] Stênico, J. W. G.; Lee, L. L."A New Binomial
Conservative Multiplicative Cascade Approach for
0.4
Network Traffic Modeling". In: 27th IEEE
International Conference on Advanced Information
Vídeo
0.2
Networking and Applications - IEEE AINA
Voz
Dados
2013,Vol. 1 Pages 794-801, Mach 25 - 28, 2013
0
Barcelona, Spain.
1 2 3 4 5 6 7 8 9 10
Solicitações de Serviços [3] Quinlan, J. R. C4.5: Programs for Machine Learning.
Morgan Kaufmann Publishers, 1993.
Figura 5. Probabilidade de Bloqueio para Diferentes [4] Stênico, J. W. G. Um Novo Modelo de Tráfego
Tipos de Tráfego Multifractal Aplicado à Análise de Desempenho de
Rede. Tese de Doutorado – Unicamp 2014.
A Figura 6 apresenta a utilização da largura de [5] L7-filter. Application Layer Packet Classifier.
banda do sistema. Para grandes quantidades de <http://l7-flter.sourceforge.net/>.
tráfegos solicitando serviços a utilização da [6] Weka, http://www.cs.waikato.ac.nz/ml/weka/
banda disponível tende ao seu máximo, fazendo [7] Wongthavarawat, K.; Ganz, A. Packet scheduling for
com que o bloqueio de novas chamadas também QoS support in IEEE 802.16 broadband wireless
aumente o que foi comprovado na Figura 5. access systems”, International Journal of
Communication Systems, vol. 16, issue 1, February
2003, pp. 81-96.
4. Conclusões [8] http://www.cs.columbia.edu/~hgs/internet/traces.h
Neste trabalho foi proposto um esquema de tml
controle de admissão que trabalha em conjunto [9] UPC. Traffic Classification at the Universitat
com um esquema de classificação de tráfego. O Politècnica de Catalunya (UPC).
esquema de classificação considera que o tráfego <http://loadshedding.ccaba.upc.edu/trafic_classific
de rede possa ser representado por cascatas ation>.
multiplicativas e com isso utilizando de processos [10] http://ita.ee.lbl.gov/html/traces.html.