CC BY
5
УДК 004.7
Макаров И. С., к. техн.н.
доцент
кафедра "Мультисервисных сетей и информационной безопасности " Идиятуллина А. С. студент магистрант факультет "Телекоммуникаций и Радиотехники " Поволжский государственный университет телекоммуникаций и информатики
Россия, г. Самара
МЕТОД ИММИТАЦИОННОГО МОДЕЛИРОВАНИЯ ДЛЯ ПРОВЕРКИ
СТАТИСТИЧЕСКИХ ГИПОТЕЗ
Аннотация:
Статья посвящена вопросам использования программно-аппаратных средств моделирования для проверки статистических гипотез. Описан подход к решению такого рода задач, когда различные модели имитации заменяют реальное аппаратно обеспечение. Описано создание модели сети на базе GNS3 для работы с реальным трафиком. Собрана статистика трафика с использованием снифферов.
Ключевые слова: компьютерные сети,GNS3, Wireshark, Matlab, критерии согласия.
Makarov I.S., Candidate of Engineering Sciences associate professor at the department of Multiservice Networks and
Information Security, Volga State University of Telecommunications and
Informatics, Samara city Idiatullina A.S.
magistracy student, "Telecommunications and Radio Engineering"
faculty of Volga State University of Telecommunications and Informatics
Samara city
IMMITATIONAL MODELING METHOD FOR INSPECTION OF STATISTICAL HYPOTHESES
Annotation:
The article is about using software and hardware modeling tools for testing statistical hypotheses. An approach to solving such problems is described, when different simulation models replace real hardware. The creation of a network model based on GNS3 for working with real traffic is described. The traffic statistics are collected using sniffers.
Keywords: computer networks, GNS3, Wireshark, Matlab, consent criteria.
Анализ трафика мультисервисных сетей подразумевает наличие этого трафика и его последующую обработку. Не всегда есть возможность оперировать реальными аппаратными мощностями, для проведения
адекватного эксперимента. Тут нам на помощь приходят разнообразные программные средства, имитирующие работу сетей.
Целью нашей работы является проверка возможности использования статистических критериев согласия для анализа трафика мультисервисных сетей.
Для реализации задуманного мы воспользовались средой имитационного моделирования GNS3 реализующего виртуальную сетевую инфраструктуру на базе оборудования фирмы Cisco.
Модели сетей использованные в данной работе будут предельно простыми, потому что преследуют одну единственную цель - исследование влияния сетевого оборудования на проходящий трафик. Значит как минимум нам понадобится один маршрутизатор и два ПК. Соберем первую модель в
GNS 3 с использованием в качестве ПК Виртуальные машины на Virtual Box.
Рисунок 1. Собранная модель в GNS3 Прежде чем данная модель сможет адекватно функционировать, необходимо настроить соединение между Виртуальными машинами и эмулятором маршрутизатора. В качестве маршрутизатора в данной модели используется образ Cisco c3745.
Рисунок 2. Рабочая область Теперь необходимо создать трафик между данными моделями аппаратов и зафиксировать статистические данные. Так как среда использует для работы виртуальные машины, то ее работу можно считать максимально приближенной к работе реального сетевого оборудования. Значит трафик можно создать обычным межсетевым перебросом файлов. Снять же статистические характеристики нам поможет по сниффер. Лучшим на сегодняшний день мы считаем '^геБИагк. Удобная визуальная среда, открытый код, свободное распространение и максимум возможных функций.
Рисунок 3. Рабочая область с запущенным ^шгеБИагк 'кеБИагк ловит все пакеты на интерфейсе, но нам нужны только тое, что направлены от ПК 1 к ПК2. Используем команду для фильтра ^шгеБИагк. 1р.БГС == 192.168.1.2 && 1;ср
Эта команда фильтрует пойманный трафик по 1р-адресу и протоколу
1:ср.
Таким образом формируются файлы данных, отфильтрованных по
направлению. Нами для статистики было создано шесть разнотипных файлов, содержащих сведения о временах прихода пакетов на порт сетевого оборудования, отфильтрованных по направлению и протоколам.
Для применения статистических критериев к анализу данного материала необходимо написать программное обеспечение, позволяющее работать с данными из текстовых документов. Реализация всех возможных критериев согласия есть в пакете МаНаЬ. Для работы были написаны на данном пакете несколько модулей последовательно реализующих процедуры анализа трафика, подбора параметров распределения и применения критериев согласия к генеральной выборке, о чем подробнее изложено в отдельной статье.
ъ Editor - C:\Users\Skiv\Desktop\KoIvo g orov. m © X
N ormalTEST.m SearchDistr.m | SearchParam.m PlotFun.m Kolvogorov.m H + □
0 - с lUL ILliab-lîilLlia^ s куптеуш I\.UJinU 1'UpUtí ci ~о
40 - phatone=phat{idist}; % значения параметров —
11 - CQiiP[1 cdf ( ' ' " dlist{idist} 1 1 ',х']; % команда
42 - [ for ipar=l:length(phatone)r % добавляем параметры
43 - coro=[com ',' sprintf('%d"tphatone(ipar))];
44 - end —
45 - conF[cQm ' ) ' 3 ; % сформировали команду
46 - Fx=eval ( com) ; % выполнили команду - вычислили F fx}
47 - [hkolra,. pkolm, kskolm,. cvkolm]=k:stest (x, [x Fx], 0.1,0);
48 - gq=[qq pkolm] ; % критические уровни значимости
49 - L end
50 - [raaxqq, bdist]=max(qq); % выбрали лучшее распределение
51 - fprintf([1 Критерий согласия Колмогорова : \п",...
52 'Лучше всего подходит %з распределение;\п'...
53 'критический уровень значимости для него = %8.5f\n'], ...
54 dlistr{bdist}fmaxqq);
55 - figure % создаем новую фигуру
56 - cdfplot(x); % эмпирическая функция распределения
57 - phatone=pha.t {bdist} ; % параметры наилучшего распределения —
58 - согв= [1 cdf ( ' 1 1 dlist{bdist} "'fXpl']; % команда | — —
59 - for ipar=l: length(phatone)^ % добавляем параметры
60 - cornelcom ■,■ sprintf('%d',phatone(ipar))];
61 - L end —
62 - cam=[com ') ']; % сформировали команду
63 - del= (xmax-xmin)/20; % добавки влево и вправо
64 - xl=xmin-del;
65 - xr=xmax+del ; % границы интервала для построения графиков
66 - xpl=linspace(xl,хг,1000); % абсциссы для графиков • -
67 - Fxpl=eval(com); % вычислили F(x) для наилучшего распределения
68 - hold on % для рисования на этом же графике
69 - plot(xpl,Fxpl,■г1); % дорисовали F(x)
70 - hold off
71 - set(get(gcf,'CurrentAxes'),...
72 'FontName'Times New Roman Cyr',"FontSize',10)
73 - title ([" \Ь£Т1одобрано * dlistríbdist} ' распределение'])
74 - xlabel('\itx') % метка оси х
75 - ylabel ( ■\itF\rm(\itx\rm) ') % метка оси у
Command Window
©
New to MATLAB? See resources for Getting Started.
критический уровень значимости для него = 0.00000 h »
Рисунок 4. Пример разработанного модуля Алгоритмика, заложенная в этих модулях, позволяет данные из файлов заносить в виде массива в программную среду и в дальнейшем работать с ними, как с математическими элементами. Применение критериев согласия выявило схожесть большинства генеральных выборок с Логнормальным распределением. Целесообразно провести моделирование процессов при различных степенях загрузки системы.
Использованные источники:
1. Running th GNS3 server as a daemon. http://docs.gns3.com [Электронный ресурс].
2. Ануфриев И. Е., Смирнов А. Б., Смирнова Е. Н. MATLAB 7 в подлиннике. - СПб.: БХВ-Петербург, 2005.
УДК 659.1.012.12
Максимова Т.Н. студент 4 курса факультет международного бизнеса
Судакова Т.В. старший преподаватель кафедра маркетинга и рекламы факультета международного бизнеса Омский государственный университет им. Ф.М. Достоевского
Россия, г. Омск
КЛИПМЕЙКИНГ КАК НОВЫЙ СПОСОБ ВЗАИМОДЕЙСТВИЯ С АУДИТОРИЕЙ НА ПРИМЕРЕ КОМПАНИИ «SAMSUNG»
Аннотация: в статье рассматривается коммуникация с потребителем на примере компании «Samsung», в виде ведения канала на видеохостинге «YouTube» и распространения на нём видеорекламы. Изучается методика внедрения продукта в музыкальный клип, с целью его рекламы. Рассматриваются применённые техники создания видеорекламы. Даётся оценка рекламной деятельности компании в области производства видеорекламы.
Ключевые слова: Интернет, видео, реклама, продвижение, видеоконтент.
Maksimova T.N. Student
Fourth year, International Business Faculty Omsk State University n.a. F.M. Dostoevskiy
Russia, Omsk Sudakova T. V.
Senior lecturer of International Business Faculty Omsk State University n.a. F.M. Dostoevskiy
Russia, Omsk
CLIPMAKING AS NEW CHANNEL FOR COMMUNICATION ON EXAMPLE OF "SAMSUNG" COMPANY.
Abstract: in this article communication with consumers is analyzed on the example of "Samsung" company, which has its channel on YouTube and shares video advertisements. Methods of inserting products into music videos are discussed, given techniques are observed, video advertisement strategy is evaluated.
