GAN-TM:一种基于生成对抗网络的流量矩阵推断机制

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据
维普

中文摘要：随着当前互联网技术的快速发展,网络规模和复杂度不断提高,由于流量矩阵对于网络管理、流量工程、异常检测等都具有重要意义,因此准确测量流量矩阵对于计算机网络而言极其重要.当前针对流量矩阵的测量机制主要可以分为直接测量法和估计推断法,其中估计方法又包括简单统计反演法、附加链路测量信息法以及测量反演结合法.现有测量机制在准确性和测量耗费方面存在较多问题,直接测量的方法虽然可以保证准确性,但网络规模的扩张及网络结构的日趋复杂化使其在实现上存在困难,而流量矩阵推断问题在线性求解上固有的高度病态特性又使得估计推断法时常难以发挥作用,因此需要一种新的方法以更通用的方式解决现有问题.该文借鉴生成对抗网络(GAN)在图像恢复方面的作用,提出了一种基于生成对抗网络的流量矩阵推断机制GAN-TM.GAN-TM能够基于部分测量信息,建立起基于掩码矩阵评估的卷积生成对抗网络模型,利用部分测量信息对缺失的流量矩阵进行推断.实验结果表明,在数据缺失率低于30％的情况下,GAN-TM的推断误差能够控制在0.10以内.

外文标题：GAN-TM:A Traffic Matrix Inference Mechanism Based on Generative Adversarial Network

作者：

章乐贵、邢长友、余航、郑鹏

展开 >

作者单位：

陆军工程大学指挥控制工程学院,江苏南京 210007

关键词：

数据完整性卷积生成对抗网络流量矩阵推断信息缺失数据恢复

基金：

江苏省自然科学青年基金

项目编号：

BK20200582

出版年：

2022

DOI：

10.3969/j.issn.1673-629X.2022.02.008

计算机技术与发展

陕西省计算机学会

计算机技术与发展

CSTPCD

影响因子：0.621

ISSN：1673-629X

年,卷(期)：2022.32(2)

参考文献量1