Analysis of long-range dependence of internet traffic traces

Internet traffic exhibits temporal correlation properties such as self-similarity and long-range dependence (LRD). This means that it cannot be analyzed with traditional models anymore, but with other techniques that take into consideration the long-term memory characteristics of the traffic. LRD states that the behavior of network traffic is correlated across large separated range times. Thus, it is equated as an asymptotic power-law decrease of the power spectral density (PSD) for the autocovariance function. This thesis aims to analyze the LRD properties of Internet traffic, by estimating the power-law exponent of various Internet traffic traces using the Modified Allan Variance (MAVAR), which has demonstrated to be very accurate and unbiased in the exponent estimation. The behavior of MAVAR with white-noise pseudorandom sequences and real internet traffic traces along 24h is studied by analysis and simulation. The results showed that Internet traffic indeed presents values of the estimated exponent in such a way that temporal correlation properties are evidenced. In addition, the most interesting result that was found consists of an evident increase of the values of the exponent for the peak hours of traffic, mostly noticed for the biggest peaks on each time-series (excluding some specific cases).

.Il traffico Internet presenta proprietà di correlazione temporale come l'autosimilarità e la dipendenza a lungo raggio (LRD). Ciò significa che non può più essere analizzato con modelli tradizionali, ma sono necessarie altre tecniche che prendono in considerazione le caratteristiche di memoria a lungo termine del traffico. LRD afferma che il comportamento del traffico di rete è correlato attraverso grandi intervalli di tempo separati. Così, è equiparato a una diminuzione asintotica della legge di potenza della densità spettrale di potenza (PSD) oppure alla funzione di autocovarianza. Questa tesi ha lo scopo di analizzare le proprietà LRD del traffico Internet, stimando l'esponente della legge di potenza di varie tracce di traffico Internet utilizzando la Varianza Allan modificata (MAVAR), che ha dimostrato di essere molto precisa e imparziale nella stima di questo esponente. Il comportamento di MAVAR con sequenze pseudorandom di rumore bianco e tracce di traffico internet reale lungo 24 ore è studiato tramite analisi e simulazione. I risultati hanno mostrato che il traffico internet presenta effettivamente valori dell'esponente estimato in modo che le proprietà di correlazione temporale sono evidenziate. Inoltre, il risultato più interessante che è stato trovato consiste in un evidente aumento dei valori dell'espeonente per le ore di picco del traffico, soprattutto notato per i picchi più grandi su ogni serie temporale (esclusi alcuni casi specifici).