Модели и методы выявления структуры локальной вычислительной сети при неполных данных

Обложка

Цитировать

Полный текст

Аннотация

Описание логической и физической структуры сети необходимо для решения многих задач сетевого управления. Автоматизация построения такого описания осложнена возможностью неполноты и некорректности исходных данных о структуре сети, получаемых из стандартных источников. В данной статье приводится исследование свойств неполных исходных данных о связях сетевых устройств на канальном уровне. Для этого вводятся графовые модели структуры канального уровня в присутствии виртуальных локальных сетей, формализуется задача дополнения исходных данных. Приводятся методы обобщённой обработки разнородных исходных данных о канальном уровне. В работе описываются модели и методы выведения части отсутствующих данных, а также условие, при котором исходные данные могут позволить построить единственное правильное описание структуры сети. Статья включает методы определения в исходных данных некорректных элементов и ситуаций, при которых возможно несколько решений задачи описания структуры сети. Приводятся алгоритмы построения описания структуры сети при неполных данных, когда их можно и нельзя восполнить до необходимого объема, методы разрешения неоднозначности во входных данных и методы исправления некорректных данных. Проведённые вычислительные испытания методов на сгенерированных данных и в реальных сетях показывают их применимость и эффективность в сетях различных структур и со смешанным набором производителей оборудования. Также, показывается преимущество перед разработанными ранее аналогичными методами: способность дополнить до 99% данных о связях на канальном уровне за полиномиальное время, возможность получения точного решения при неоднозначности исходных данных.

Об авторах

А. А Андреев

Петрозаводской государственный университет

Email: andreev@cs.petrsu.ru
пр. Ленина 33

А. И. Шабаев

Петрозаводской государственный университет

Email: ashabaev@petrsu.ru
пр. Ленина 31

Список литературы

  1. Hussain T. H., Habib S. J. Capacity planning of network redesign—A case study // Proceedings of the 2010 International Symposium on Performance Evaluation of Computer and Telecommunication Systems (SPECTS’10). – IEEE, 2010. – pp. 52–57.
  2. Zhu Z. et al. Data flow monitoring and control of LAN based on strategy // 2010 International Conference on Networking and Digital Society. – IEEE, 2010. – vol. 2. – pp. 225–228.
  3. Sivakumar L. et al. Virtual topologies for abstraction service for IP-VPNs // 2016 17th International Telecommunications Network Strategy and Planning Symposium (Networks). – IEEE, 2016 . – pp. 213–220.
  4. Wang C. et al. A method of network topology optimization design considering application process characteristic // Modern Physics Letters B. – 2018. – vol. 32. – no. 07. – pp. 1850091-1–1850091-11.
  5. Gobjuka H., Breitbart Y. J. Ethernet topology discovery for networks with incomplete information // IEEE/ACM Transactions on Networking. – 2010. – vol. 18. – no. 4. – pp. 1220–1233.
  6. Zichao L. et al. Ethernet topology discovery for virtual local area networks with incomplete information // 2014 4th IEEE International Conference on Network Infrastructure and Digital Content. – IEEE, 2014. – pp. 252–256 .
  7. Bejerano Y. Taking the skeletons out of the closets: a simple and efficient topology discovery scheme for large ethernet lans // IEEE/ACM Transactions on Networking. –2009. – vol. 17. – no. 5. – pp. 1385–1398.
  8. Zhou J., Ma Y. Topology discovery algorithm for ethernet networks with incomplete information based on VLAN // 2016 IEEE International Conference on Network Infrastructure and Digital Content (IC-NIDC). – IEEE, 2016 . – pp. 396 –400.
  9. Andreev A., Shabaev A., Bogoiavlenskii I. Network Topology Discovery: a Problem of Incomplete Data Improvement // 2019 24th Conference of Open Innovations Association (FRUCT). – IEEE, 2019. – pp. 10–16 .
  10. Andreev A., Bogoiavlenskii I. An algorithm for building an enterprise network topology using widespread data sources // 2017 21st Conference of Open Innovations Association (FRUCT). – IEEE, 2017. – pp. 34–43.
  11. Андреев А. А. Обобщенная графовая модель виртуальных частных сетей в коммуникационной инфраструктуре локального поставщика сетевых услуг // Программная инженерия. – 2017. – Т. 8. – №. 6 . – С. 243–249.
  12. Андреев А. А. и др . Обобщенная графовая модель структуры физического, канального и сетевого уровней ИКТ-инфраструктуры локального поставщик а сетевых услуг //Программная инженерия. – 2016 . – Т. 7. – №. 9. – С. 400–407.
  13. Sun Y., Shi Z., Wu Z. A discovery algorithm for physical topology in switched ethernets // The IEEE Conference on Local Computer Networks 30th Anniversary (LCN’05) l. –IEEE, 2005. – pp. 311–317.
  14. Zhangchao W. et al. An algorithm and implementation of network topology discovery based on SNMP // 2016 First IEEE International Conference on Computer Communication and the Internet (ICCCI). – IEEE, 2016 . – pp. 283–286 .
  15. Zhou S. et al. Research on Network Topology Discovery Algorithm for Internet of Things Based on Multi-Protocol // 2018 10th International Conference on Modelling, Identification and Control (ICMIC). – IEEE, 2018. – pp. 1–6 .
  16. Ma X., Yu T. An algorithm of physical network topology discovery in multi-VLANs // Telkomnika. – 2016 . – vol. 14. – no. 3A. – pp. 375–379.
  17. Jiang J., Xu X. L., Cao N. Research on improved physical topology discovery based on SNMP // 2017 IEEE International Conference on Computational Science and Engineering (CSE) and IEEE International Conference on Embedded and Ubiquitous Computing (EUC). – IEEE, 2017. – vol. 2. – pp. 219–222.
  18. Zhang X. et al. An Optimization Algorithm of Network Topology Discovery Based on SNMP Protocol // Journal of Computer and Communications. – 2018. – vol. 6 . – no. 01. –pp. 104–111.
  19. Zhou Y. et al. Discovery algorithm for network topology based on SNMP // 2015 International Conference on Automation, Mechanical Control and Computational Engineering. – Atlantis Press, 2015. - pp. 16 23–16 28.
  20. Li D. et al. Research and Application of Heterogeneous Network Topology Discovery Algorithm Based on Multiple Spanning Tree Protocol // Knowledge Discovery and Data Mining. – Springer, Berlin, Heidelberg, 2012. – pp. 437–444.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).