Математическое и программное обеспечение балансировки потоков данных в программно-конфигурируемых сетях на основе транспортных моделей и алгоритмов тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Маличенко Сергей Владимирович

• Маличенко Сергей Владимирович
• кандидат наук
• 2026

Оглавление диссертации кандидат наук Маличенко Сергей Владимирович

Введение

Глава 1. Анализ современных методов балансировки потоков данных в программно-конфигурируемых сетях

1.1 Проблемы управления трафиком в компьютерных сетях

1.2 Организация программно-конфигурируемой сети

1.3 Задача оптимизации потоков сети

1.4 Проблемы управления трафиком данных

1.5 Используемые методы распределения и управления трафиком

1.6 Анализ алгоритмов балансировки трафика

1.7 Выводы по главе

Глава 2. Модели, методы и алгоритмы балансировки потоков в задачах оптимизации трафика

2.1 Аналогия моделей транспортного равновесия в задачах оптимизации компьютерной сети

2.2 Методы равновесного распределения потоков по маршрутам

2.3 Алгоритм постепенного заполнения сети

2.4 Метод последовательных усреднений

2.5 Модель Бекмана транспортного равновесия

2.6 Модель стабильной динамики

2.7 Моделирование распределения потоков в сети

2.8 Выводы по главе

Глава 3. Модель разделения и алгоритмы маршрутизации потоков в программно-конфигурируемой сети

3.1 Вероятностная модель разделения потоков

3.2 Алгоритм разделения потоков в программно-конфигурируемой сети

3.3 Адаптация транспортных протоколов

3.4 Расчет объемов корреспонденции и мониторинг сетевой нагрузки

3.5 Алгоритм перенаправления потоков

3.6 Выводы по главе

Глава 4. Программная реализация равновесной балансировки потоков

4.1 Средства имитационного моделирования и проведения эксперимента

4.2 Вычислительная сложность алгоритмов

4.3 Программная реализация балансировщика

4.4 Экспериментальная часть

4.5 Оценка эффективности алгоритмов балансировки

4.6 Выводы по главе

Заключение

Список сокращений и условных обозначений

Список использованных источников

Приложение А. Сертификаты государственной регистрации программного обеспечения

Приложение Б. Акты внедрения

Введение

Введение диссертации (часть автореферата) на тему «Математическое и программное обеспечение балансировки потоков данных в программно-конфигурируемых сетях на основе транспортных моделей и алгоритмов»

Актуальность темы

Исследование технологий передачи данных имеет особую важность в развитии путей и методов увеличения информатизации и автоматизации высокотехнологичных сфер общественной деятельности. Постепенный рост вовлеченности в процессы сетевого обмена служит основой для увеличения эффективности технического и алгоритмического оснащения средств коммуникаций. Заметные потребности в использовании программных технологий при передаче данных инициируют новые разработки, направленные на ускорение, модернизацию и создание новых подходов сетевого взаимодействия компьютерных систем. Используемые на сегодняшний день стандарты претерпевают серьезные изменения в целях улучшения удовлетворенности предоставляемыми услугами конечного пользователя. Для этого при реализации экономической политики «Индустрия 4.0» предусмотрено повышение вовлеченности средств производства и управления в общее цифровое пространство, цифровизацию и коллективизацию доступа к информационным ресурсам.

Ведущими организациями в области телекоммуникаций, провайдерами связи и частными компаниями активно ведутся разработки по увеличению доступности информационных сервисов, увеличению используемого спектра при передаче данных и надежности средств доставки. Стоящие перед этим проблемы, к которым можно отнести устаревание принципов организации и построения инфраструктурных решений и низкую адаптированность к потребностям приложений, существенно тормозят внедрение прикладных инновационных идей.

В целях реализации поставленных технических задач необходимым является определение таких аспектов взаимодействия как: создание новых или модернизация уже существующих алгоритмов маршрутизации, использование адаптивных протоколов с несколькими физическими уровнями, основанными на задействовании нескольких каналов передачи, использование трафико-

ориентированных подходов к балансировке и перемаршрутизации потоков данных.

4

Диссертационная работа посвящена исследованию алгоритмических и программных решений в области балансировки потоков данных в программно-конфигурируемых сетях (ПКС). В рамках исследования рассматриваются современные подходы к маршрутизации и управлению сетевыми потоками, основанные на использовании адаптивных решений с поддержкой многоканальной передачи данных. Основное внимание уделено разработке методов, обеспечивающих повышение эффективности передачи информации в условиях динамически изменяющейся сетевой среды.

Предлагаемое решение мотивировано потребностью в создании алгоритмического обеспечения балансировки потоков данных в программно-конфигурируемых сетях, и реализованного на его основе программного обеспечения, обладающего возможностями анализа с адаптацией к окружающей сетевой обстановке, а также динамическим поведением в зависимости от потребностей пользовательских приложений.

Степень разработанности проблемы исследования. Разработке методов оптимизации в ПКС уделено значительное внимание современных ученых. Исследованиям проблематики архитектурных и алгоритмических решений в компьютерных сетях занимались ученые Степанов С.Н., Карташевский В.Г., Кучерявый А.Е., Шалимов А.В., Перепелкин Д.А., Вишневский В.М., Гольдштейн Б.С., Tootoonchian A., Sherwood R., Salman O., Zhao Y., Киричек Р.В, Деарт В.Ю. Парамонов А.И., Тихвинский В.О. Проблемами управления потоками данных занимались такие ученые как Смелянский Р.Л., Тарасов В.Н., Бахарева Н.Ф., Карташевский В.Г., Соколов В.А., Леохин Ю.Л., J. Andrews, J. Araniti, M. Dohler, N. Himayat, F. Baccelli, S. Rangan, T. Rappoport, S. Singh другие. Исследованию и оптимизации транспортных алгоритмов и моделей занимались ученые Нестеров Ю.Е., Гасников А.В., Кленов С.Л., Нурминский Е.А., Холодов Я.А., Шамрай Н.Б., Гасникова Е.В., Колесников А.В., Райгородский А.М., Дорн Ю.В., зарубежные исследователи C.B. McGuire, C.B. Winsten заложили теоретическую основу применения исследуемых алгоритмов.

Тематика представленной работы заключается в разработке методов улучшения характеристик ПКС задействованием новых моделей, алгоритмов и программной инфраструктуры организации глобально распределенной обработки данных при функционировании и проектировании сетевого взаимодействия.

Цель диссертационной работы состоит в повышении эффективности информационного обмена в программно-конфигурируемых сетях за счет разработки алгоритмического и программного обеспечения организации оптимальной балансировки потоков с увеличением пропускной способности каналов сети, снижением задержек передачи; и реализации на его основе процесса динамического анализа параметров трафика.

Цель работы детализируется следующими задачами:

1. анализ существующих методов и подходов к балансировке сетевого трафика и моделей используемых для распределения потоков в программно-конфигурируемых сетях;

2. исследование применимости транспортных моделей и алгоритмов для балансировки потоков в программно-конфигурируемых сетях с возможностью сбора и анализа статистики входящих потоков;

3. разработка модели топологической структуры сети и архитектуры программной библиотеки компонентов поиска равновесного распределения потоков с применением транспортных моделей и алгоритмов;

4. разработка архитектуры и программного обеспечения коммутаторов и контроллера балансировки трафика данных с возможностью применения транспортных алгоритмов.

Научная новизна работы состоит в следующем:

1. впервые разработан метод балансировки потоков в программно-конфигурируемых сетях с использованием транспортных моделей и алгоритмов, позволяющий реализовать динамическую балансировку потоков с учетом расчетного оптимального состояния сети;

2. разработана модель организации сетевой топологии, позволяющая производить сбор статистических данных сетевого трафика для анализа и последующего расчета оптимального состояния;

3. разработана модель топологической структуры сети и архитектура программной библиотеки компонентов поиска равновесного распределения потоков с применением транспортных моделей и алгоритмов;

4. разработан контроллер балансировки потоков в программно-конфигурируемой сети с возможностью применения транспортных моделей и алгоритмов поиска оптимального распределения потоков.

Теоретическая и практическая значимость работы

Теоретическая значимость работы состоит в модификации существующих алгоритмов и разработке новых методов и моделей программных систем для балансировки потоков программно-конфигурируемой сети позволяющих, увеличить совокупную пропускную способность каналов сети, снизить временные затраты передачи данных.

Практическая значимость работы заключается в разработке моделей топологии, архитектуры контроллера и программного обеспечения коммутаторов, повышающих совокупную пропускную способность и снижающих задержки при передаче данных.

Объектом исследования данной работы является программно-конфигурируемая сеть.

Предмет исследования составляют модели, методы, алгоритмы и программное обеспечение балансировки потоков.

Научная гипотеза. Повышение эффективности информационного обмена в программно-конфигурируемых сетях становится радикально действенным использованием транспортных моделей и алгоритмов в процессах динамической маршрутизации, что позволяет обеспечить улучшение показателей пропускной способности и снижение задержек трафика.

Методология и методы исследования. Для решения поставленных задач использованы методы теории графов, теории массового обслуживания, теории

7

телетрафика, динамического программирования и компьютерного моделирования. В качестве инструмента практической апробации исследуемых моделей, методов и алгоритмов использовалось разработанное программное обеспечение.

Соответствие паспорту специальности. Тематика исследования диссертационной работы соответствует паспорту специальности 2.3.5 -«Математическое и программное обеспечение вычислительных систем, комплексов и компьютерных сетей». Специальность включает исследования, направленные на разработку моделей, методов, программных средств для повышения эффективности организации обработки и передачи данных, улучшения качества вычислительных систем и сетей. Тематика и положения диссертационной работы соответствуют следующим пунктам паспорта специальности: п.3. Модели, методы, архитектуры, алгоритмы, языки и программные инструменты организации взаимодействия программ и программных систем; п.8 Модели и методы создания программ и программных систем для параллельной и распределенной обработки данных, языки и инструментальные средства параллельного программирования; п.9. Модели, методы, алгоритмы, облачные технологии и программная инфраструктура организации глобально распределенной обработки данных.

Основные положения работы, выносимые на защиту:

- метод увеличения пропускной способности программно -конфигурируемой сети задействованием транспортных моделей и алгоритмов оптимального распределения потоков;

- архитектура программно-конфигурируемой сети для балансировки потоков на основе транспортных моделей;

- архитектура программной библиотеки компонентов поиска равновесного распределения потоков с применением транспортных моделей и алгоритмов;

- программное обеспечение, реализующее разработанные метод и алгоритм балансировки потоков данных.

Достоверность и обоснованность научных положений и практических результатов подтверждаются комплексным подходом, включающим

8

математические обоснования, корректное применение теоретических выводов, имитационное моделирование с последующим анализом полученных результатов. Дополнительным подтверждением служит разработанное действующее программное обеспечение коммутаторов и контроллера для динамической оптимизации распределения потоков данных, результаты применения которого представлены в соответствующих актах внедрения и сертификатах государственной регистрации программ для ЭВМ (Приложение A).

Апробация работы. Основные результаты диссертации докладывались на конференциях различного уровня:

1. 2-й ежегодной национальной конференции «Информационные технологии и интеллектуальные системы» 28 марта 2024 г. Москва;

2. Международной научно-практической конференции «Автоматизация, телекоммуникации, информационные технологии и программное обеспечение 2024» (АТт 2024) 24-27 сентября 2024 г. Ялта;

3. 6-й международной научной конференции ведущих научных школ в области радиолокации, радионавигации и радиоэлектронных систем передачи информации «Шарыгинские чтения» 09-11 октября 2024 г. Томск;

4. 32-м Международном научно-техническом форуме «Телекоммуникационные и вычислительные системы» 13 ноября 2024 г. Москва;

5. 13-м Национальном суперкомпьютерном форуме (НСКФ-2024) 26-29 ноября 2024 г. Переславль-Залесский, ИПС имени А.К. Айламазяна РАН;

6. XXII Всероссийской конференции молодых ученых аспирантов и студентов «Информационные технологии, системный анализ и управление» ИТСАУ - 2024 5-7 декабря 2024 г. Таганрог.

Внедрение. Результаты диссертационной работы внедрены в ходе реализации программно-аппаратного комплекса интегрированной системы DWR на предприятии OOO «ДВТЕХ». Архитектура и программная реализация контроллера балансировки потоков данных с возможностью задействования транспортных алгоритмов оптимизации используются в проектах коммуникационных сетей ООО «Альянс групп». Результаты работы использованы

9

в практической деятельности ООО МСК «БЛ ГРУПП» при разработке системы анализа и мониторинга объектов автоматизации (Приложение Б).

Публикации. Основные результаты диссертации изложены в 16 опубликованных работах, в том числе в 6 работах, опубликованных в журналах из перечня ВАК при Министерстве образования и науки Российской Федерации по дисциплине 2.3.5, в 10 работах иных изданий и материалах конференций.

Личный вклад. Все основные результаты получены автором лично.

Структура и объем диссертационной работы. Диссертационная работа состоит из введения, 4 глав, заключения, списка использованных источников и приложения. Общий объем работы составляет 145 страниц, в работе присутствует 36 рисунков, 2 таблицы, библиографический список из 126 наименований.

Глава 1. Анализ современных методов балансировки потоков данных в

программно-конфигурируемых сетях

В данной главе представлены цели и проблематика распределения трафика в программно-конфигурируемой сети, рассмотрены основные методологические и алгоритмические аспекты балансировки нагрузки, представлена таксономия научных исследований, посвященных проблеме распределения трафика в ПКС, с классификацией методов балансировки по архитектурным, алгоритмическим и технологическим признакам, выделены основные направления научных исследований по данной тематике.

1.1 Проблемы управления трафиком в компьютерных сетях

Тенденции роста объемов передаваемых данных и увеличение сложности прикладных сервисов обуславливают повышение нагрузки на сетевую инфраструктуру. Современные приложения зачастую требуют гарантированных уровней качества обслуживания, а пользователи ожидают высокой скорости доступа, минимальных задержек и устойчивого соединения. В таких условиях классические механизмы передачи, ориентированные на статические или слабо меняющиеся нагрузки, сталкиваются с серьезными сложностями при попытке динамически реагировать на резкие колебания сетевых потоков или непредсказуемые всплески их интенсивности.

На основе анализа отчета Global Internet Phenomena Report 2024 можно выделить некоторые аспекты, связанные с будущим интернет-трафика. Так, одной из основных тенденций становится неуклонный рост общего объема передаваемых данных, который в среднем составляет около 33 эксабайт в день, где фиксированные сети обеспечивают примерно 22 ЭБ, а мобильные - около 11 ЭБ. Наибольшую нагрузку создают видеосервисы, которые составляют 38% всего трафика. В частности, потоковые платформы продолжают занимать доминирующее положение, генерируя самые высокие объемы передаваемых данных. Мобильные сети демонстрируют иную структуру потребления: здесь

преобладает мультимедиа трафик, что связано с характером контента - короткими потоками видео, обменом сообщениями и живыми трансляциями.

Также наблюдается усложнение интернет-приложений. Контент-платформы более не ограничиваются единичной функцией: социальные сети поддерживают потоковое видео, игровые платформы интегрируют коммуникационные сервисы и чаты. Это приводит к увеличению нагрузки на сети передачи данных и проблемам, с которыми столкнутся операторы сетей в будущем - не только рост объемов трафика и его усложнение, но и асимметрия загруженности каналов.

Разрыв между фиксированными и мобильными сетями остается значительным, причем фиксированные сети несут основную нагрузку от стриминговых сервисов, а мобильные - от социальных платформ. Это вызывает необходимость более точного управления ресурсами сети и адаптации средств доставки контента в зависимости от профиля потребления.

По оценке ITU (International Telecommunication Union) объемы глобального интернет-трафика продолжают расти, причем наиболее динамичный прирост наблюдается в сегменте мобильных широкополосных сетей.

Fixed-broadband traffic, ЕВ

6000

5500

5000

4500

4000

3500

3000

2500

2000

1500

1000

500 0

2019 2020 2021 2022 2023 2024

Рисунок 1 - График роста интернет-трафика по данным ITU [1] В 2023 году объем мобильного интернет-трафика во всем мире впервые достиг одного зеттабайта, и в 2024 году он приблизился к 1,3 зеттабайта. При этом

12

объем фиксированного широкополосного трафика (рисунок 1) в 2024 году составил около 6 зеттабайт, увеличившись с 5,1 зеттабайта годом ранее. Несмотря на то, что большая часть трафика с ресурсоемкими приложениями проходит по фиксированным сетям широкополосного доступа, с 2021 года мобильный трафик демонстрирует среднегодовой темп роста в 19,6%, что превышает аналогичный показатель для фиксированного сегмента 15,2%.

На основании анализа Ericsson Mobility Report (ноябрь 2024) [2] и Ericsson Mobility Report (июнь 2025) [3] на протяжении 3-го десятилетия устойчивый рост мобильного трафика продолжится.

Рисунок 2 - График роста мобильного трафика по данным Ericsson Mobility Report

[3]

По прогнозам, к 2030 году объем передаваемых данных по мобильным сетям увеличится в три раза по сравнению с текущими показателями. Однако темпы этого роста постепенно замедляются. Основным фактором увеличения объемов передачи

является расширение использования видео-контента, который в 2024 году составил 74 % от общего объема мобильного трафика. Подобный рост популярности беспроводного доступа потенциально приведет к значительному распространению 5G/6G технологий.

В этой связи, увеличивающийся объем интернет-трафика в сочетании с усложнением сервисов и неравномерным распределением нагрузки между фиксированными и мобильными сетями формирует комплексные вызовы в области управления сетевыми ресурсами. Эти факторы в совокупности влияют на выбор моделей управления, методы оптимизации маршрутизации, а также на требования к пропускной способности и качеству обслуживания, определяя векторы дальнейшего развития сетевой инфраструктуры.

1.2 Организация программно-конфигурируемой сети

В современной парадигме цифрового общества актуальна задача поиска и расширения функциональных способностей при передаче данных через сеть. Возрастающий объем информации инициирует рост требований, предъявляемых к средствам передачи данных, а их изменчивость обуславливает наличие таких решений, которые способны в сравнительно небольшое время адаптироваться для обеспечения технических потребностей поставщика цифровых услуг. Подобной способностью обладают программно-конфигурируемые сети с возможностью настройки параметров в процессе эксплуатации. Как альтернатива непрограммируемым сетям, ПКС представляют множество новых способов для улучшения параметров пользовательского взаимодействия.

Программирование сетей за последнее время превратилось из исследовательских концепций в более распространенную технологию, которая полезна для того, чтобы сделать их более гибкими и адаптируемыми к имеющимся потребностям приложений и провайдеров. Интерес к прикладным возможностям ПКС значительно возрос, что во многом можно объяснить их способностью к решению узконаправленных задач, стоящих перед разработчиками сетевой инфраструктуры. Подобные задачи возникают при организации взаимодействия

14

пользовательских приложений с растущими требованиями к качеству и стабильности сети. Совокупные требования составляют политики, по которым осуществляется функционирование всей инфраструктуры. Эти политики должны быть адаптированы к сетевым событиям и меняющимся во времени условиями. Кроме того, необходимо поддерживать более строгие требования для мультимедийных потоков дополненной и виртуальной реальности и чувствительного к задержкам трафика интернета вещей (IoT). Такие требования приложений наряду с их массовым усложнением создают новые задачи в управлении и администрировании.

Подобная эволюция технологий обусловлена необходимостью преодоления ограничений традиционных архитектур, которые не способны в полной мере удовлетворить современным требованиям к масштабируемости и эффективности управления. В этих условиях особую значимость приобретает концепция разделения плоскостей данных и управления, предложенная ONF (Open Networking Foundation) совместно с IETF (Internet Engineering Task Force), которая позволяет сократить сложности поддержки и эксплуатации подобных систем (рисунок 3).

Архитектура ПКС в предложенной нотации представлена несколькими уровнями, как показано на рисунке 3.

Третьим звеном изображен прикладной уровень - основная логика работы сети. Как правило, этот уровень представляет приложение на языке высокого уровня, которое производит разбор, анализ и маршрутизацию пакетов, предоставляет возможность для мониторинга состояния устройств [4]. Контроллер, в большинстве случаев, имеет свой SDK или набор библиотек для разработки приложений и связан с ним отдельным интерфейсом, посредством которого приложение имеет доступ к функциональности контроллера.

Рисунок 3 - Трехуровневая распределенная архитектура ПКС.

Плоскость данных является самым низким уровнем в архитектуре и содержит устройства пересылки, которые могут быть физическими или виртуальными коммутаторами. Виртуальные коммутаторы P4, OpenFlow работают в сетевых операционных системах, физические коммутаторы реализуются аппаратно, с использованием ASIC, либо коммерческих готовых универсальных устройств на базе FPGA.

Рисунок 4 - Связь контроллера P4 и коммутатора Уровень управления находится между уровнями данных и приложений, его основным компонентом является централизованный контроллер, который производит сбор информации о состоянии сети и узлов плоскости данных и представляет ее в абстрактной форме плоскости приложения (рисунок 4). Кроме

16

того, контроллер устанавливает правила потока на устройствах плоскости данных для пересылки, блокировки, изменения или выполнения других действий над входящими пакетами. Плоскость управления выполняет важные функции, такие как составление правил маршрутизации, распределение трафика и настройку устройств.

Сбор информации о состоянии узлов централизованным контроллером важен для различных задач и приложений управления сетью. Производительность управления трафиком во многом зависит от точности и актуальности информации о загрузке каналов [5-7]. Мониторинг значений параметров потока, таких как полоса пропускания, потеря пакетов и задержка, также имеет решающее значение для своевременного обнаружения событий и быстрого реагирования на них.

Эффективное управление сетью требует не только точного мониторинга текущего состояния, но и возможности активного воздействия на процессы. Динамическая адаптация к изменяющимся условиям, таким как изменяющаяся нагрузка, появление новых узлов или сетевых аномалий, невозможна без механизма взаимодействия между плоскостью управления и функциональными элементами. Для этого необходима интеграция управленческих решений с механизмами обработки данных на уровне отдельных устройств в целях обеспечения высокой оперативности управления и возможности реализации сложных сценариев обработки трафика с учетом контекста и специфики приложений.

Программируемая плоскость данных позволяет задавать собственные алгоритмы функционирования устройств и собственные интерфейсы для взаимодействия между устройствами и контроллером. Это обеспечивает большую гибкость при организации сети разных размеров, начиная от LAN сетей предприятия до региональных сетей 5G/6G; или прототипирования в коммерческих или научных исследованиях.

Значительный интерес инженерного и научного сообщества привлекла идея абстрагирования от используемого протокола. Лучшим преимуществом программной конфигурации, в этом свете, стала возможность отойти от

17

ограничений, накладываемых протоколами передачи данных и задействовать определяемую разработчиком плоскость данных и форматы передаваемых пакетов. Это открывает возможности к созданию специализированных решений, где плоскость данных и форматы передаваемых пакетов могут быть адаптированы под уникальные требования приложений, минимизируя ограничения, характерные для традиционных архитектур.

В целях обеспечения требуемых характеристик было предложено решение повышения эффективности обработки сетевого трафика плоскости данных - DPDK (Data Plane Development Kit) [8]. DPDK проект с открытым исходным кодом, поддерживаемый Linux Foundation. DPDK предоставляет

высокопроизводительную программную архитектуру для обработки пакетов, позволяя значительно увеличить скорость передачи данных и минимизировать задержки.

Расширяя возможности эффективной обработки сетевого трафика, в дополнение к DPDK была разработана инициатива IPDK (Infrastructure Programmer Development Kit) [9], которая предлагает инструментарий для унификации и стандартизации подходов к управлению инфраструктурой. IPDK представляет собой программный фреймворк, позволяющий абстрагироваться от особенностей аппаратных решений и использовать универсальные интерфейсы для взаимодействия с сетевыми и вычислительными ресурсами.

Основное назначение IPDK заключается в предоставлении гибкой и масштабируемой платформы, которая поддерживает взаимодействие между сетевыми функциями и системами управления, обеспечивая при этом высокую производительность и устойчивость к нагрузкам. В отличие от традиционных подходов, IPDK ориентирован на интеграцию с современными технологиями, такими как ПКС и виртуализацией сетевых функций (NFV). Ключевая особенность IPDK состоит в возможности работать с различными типами сетевых процессоров и архитектур, включая FPGA, SmartNIC и ASIC, что делает его универсальным инструментом для разработки и тестирования приложений управляющих логикой пересылки данных. Интеграция с DPDK в рамках IPDK позволяет дополнительно

18

оптимизировать обработку данных на плоскости управления и плоскости данных, обеспечивая адаптацию сетевых функций к конкретной специфике приложений.

Список литературы диссертационного исследования кандидат наук Маличенко Сергей Владимирович, 2026 год

Список использованных источников

1. Measuring digital development-facts and figures 2024 [Электронный ресурс] // International Telecommunication Union. - 2024. - URL: https://www.itu.int/ itu-d/reports/statistics/facts-figures-2024/ (дата обращения: 13.08.2025).

2. Ericsson. Ericsson Mobility Report [Электронный ресурс]. 2024. URL: https://ericsson.com/4adb7e/assets/local/reports-papers/mobility-report/documents /2024/ericsson-mobility-report-november-2024.pdf. (дата обращения: 13.08.2025).

3. Ericsson Mobility Report [Электронный ресурс]. 2025. URL: https://www.ericsson.com/49e9b6/assets/local/reports-papers/mobility-report/documents/2025/ericsson-mobility-report-june-2025.pdf. (дата обращения: 13.10.2025).

4. Poularakis K., Tassiulas L., Lakshman T.V. Modeling and Optimization in Software-Defined Networks. Cham: Springer International Publishing, - 2021. - 160 c. — DOI: 10.1007/978-3-031-02382-8.

5. Khayou H., Orlova M.A., Abrosimov L.I. A Hybrid Distance Vector Link State Algorithm: Distributed Sequence Number // International Journal of Computer Networks and Applications (IJCNA). - 2021. - Т. 8, №. 3. - С. 203-213. - DOI: 10.22247/ijcna/2021/209188.

6. Wumian W. и др. Intelligent Routing Algorithm over SDN: Reusable Reinforcement Learning Approach: arXiv:2409.15226. - 2024. - URL: https:// arxiv.org/abs/2409.15226 (дата обращения: 13.10.2025).

7. Shahriyar M.M. и др. DEFT: Distributed, Elastic, and Fault-tolerant State Management of Network Functions: arXiv:2311.18595. - 2023. - URL: https:// arxiv.org/abs/2311.18595 (дата обращения: 13.08.2025).

8. Madanagopal G.R. и др. On Measuring Available Capacity in High-speed Cloud Networks // arXiv preprint arXiv:2501.19167. - 2025. - URL: https:// arxiv.org/abs/2501.19167 (дата обращения: 13.08.2025).

9. Geier T., Rieger S. Improving the deployment of multi-tenant containerized network function acceleration. IEEE, - 2022. - С. 1-7.

10. Bernardez G. и др. Is Machine Learning Ready for Traffic Engineering Optimization? // 2021 IEEE 29th International Conference on Network Protocols (ICNP). Dallas, TX, USA: IEEE, - 2021. - С. 1-11.

11. Parham M. и др. Traffic engineering with joint link weight and segment optimization // Proceedings of the 17th International Conference on emerging Networking Experiments and Technologies. Virtual Event Germany: ACM, - 2021. - С. 313-327.

12. Geppert H. и др. Just a Second -- Scheduling Thousands of Time-Triggered Streams in Large-Scale Networks: arXiv:2306.07710. - 2023. - URL: https:// arxiv.org/abs/2306.07710 (дата обращения: 13.10.2025).

13. Fukugami T., Matsuzawa T. Improvement of Network Flow Using Multi-Commodity Flow Problem // Network. - 2023. - Т. 3, № 2. - С. 239-252.

14. Chang B. и др. Balancing Sdn Control Plane Availability and Traffic Engineering Efficiency in Data Centers // 2024 IEEE 32nd International Conference on Network Protocols (ICNP). Charleroi, Belgium: IEEE, - 2024. - С. 1-12.

15. Zhang M., Liu B., Zhang B. Multi-Commodity Flow Traffic Engineering with Hybrid MPLS/OSPF Routing // GLOBECOM 2009 - 2009 IEEE Global Telecommunications Conference. Honolulu, Hawaii: IEEE, - 2009. - С. 1-6.

16. Xu K. и др. Achieving Optimal Traffic Engineering Using a Generalized Routing Framework // IEEE Trans. Parallel Distrib. Syst. - 2016. - Т. 27, № 1. - С. 5165.

17. Liu Q., Zeng H., Chen M. Network Utility Maximization Under Maximum Delay Constraints and Throughput Requirements // IEEE/ACM Trans. Networking. -2020. - Т. 28, № 5. - С. 2132-2145.

18. Bolodurina I.P., Parfenov D.P. Optimization of traffic distribution control in software-configurable infrastructure of virtual data center based on a simulation model // Vestn. Voronez. gos. univ. inz. tehnol. - 2017. - Т. 79, № 1. - С. 99-105.

19. Zhu T. и др. A congestion-aware and robust multicast protocol in SDN-based data center networks // Journal of Network and Computer Applications. - 2017. -Т. 95. - С. 105-117.

20. Qu K. и др. Traffic Engineering for Service-Oriented 5G Networks with SDN-NFV Integration // IEEE Network. - 2020. - Т. 34, № 4. - С. 234-241.

21. Guo Y. и др. Distributed Traffic Engineering in Hybrid Software Defined Networks: A Multi-agent Reinforcement Learning Framework: arXiv:2307.15922. arXiv, - 2023. - URL: https://arxiv.org/abs/2307.15922 (дата обращения: 13.10.2025).

22. Пантюхин Л. К., Антоненко В. А. Разработка алгоритма распределения трафика для SD-WAN решения // Издательский отдел факультета ВМК МГУ имени М. В. Ломоносова. - 2019. - № 19. - С. 66-79.

23. Silva F.S.D. и др. ML-based inter-slice load balancing control for proactive offloading of virtual services // Computer Networks. - 2024. - Т. 246. - С. 110422.

24. Keerthi Prabhu M., Veena S. Implementation of Load Balancing Algorithms in Software Defined Networks using OpenDaylight // 2023 4th International Conference on Intelligent Technologies (CONIT). Bangalore, India: IEEE, - 2024. - С. 1-6.

25. Rizzi C. и др. Charon: Load-aware load-balancing in p4 // 2021 17th International conference on network and service management (CNSM). - IEEE, - 2021. - С. 91-97.

26. Wang D. SDN -based load balance routing mechanism for Information Centric Networking // Internet Technology Letters. - 2023. - Т. 6, № 2. - С. e372.

27. Живодерников A.;. Методика оптимизации распределения потоков мультисервисной сети связи на основе вероятностного игрового метода// Известия Тульского государственного университета. Технические науки. - 2022. - №. 3. - С. 292-299.

28. Houidi O. и др. Constrained Deep Reinforcement Learning for Smart Load Balancing // 2022 IEEE 19th Annual Consumer Communications & Networking Conference (CCNC). Las Vegas, NV, USA: IEEE, - 2022. - С. 207-215.

29. Zheng C., Rienecker B., Zilberman N. QCMP: Load Balancing via InNetwork Reinforcement Learning // Proceedings of the 2nd ACM SIGCOMM Workshop on Future of Internet Routing & Addressing. New York NY USA: ACM, - 2023. - С. 35-40.

30. Pit-Claudel B. h gp. Stateless Load-Aware Load Balancing in P4 // 2018 IEEE 26th International Conference on Network Protocols (ICNP). Cambridge: IEEE, -2018. - C. 418-423.

31. Katta N. h gp. HULA: Scalable Load Balancing Using Programmable Data Planes // Proceedings of the Symposium on SDN Research. Santa Clara CA USA: ACM,

- 2016. - C. 1-12.

32. Benet C.H. h gp. MP-HULA: Multipath Transport Aware Load Balancing Using Programmable Data Planes // Proceedings of the 2018 Morning Workshop on InNetwork Computing. Budapest Hungary: ACM, - 2018. - C. 7-13.

33. Huang G. h gp. Predictive mobility and cost-aware flow placement in SDN-based IoT networks: a Q-learning approach // Journal of Cloud Computing. Springer, -2024. - T. 13, № 1. - C. 26.

34. Hassen H., Meherzi S., Jemaa Z.B. Improved Exploration Strategy for Q-Learning Based Multipath Routing in SDN Networks // Journal of Network and Systems Management. Springer, - 2024. - T. 32, № 2. - C. 25.

35. Chen J. h gp. ALBLP: Adaptive Load-Balancing Architecture Based on Link-State Prediction in Software-Defined Networking // Wireless Communications and Mobile Computing / nog peg. Yan M. - 2022. - T. 2022. - C. 1-16.

36. Tache (Ungureanu) M.D., Päscutoiu O., Borcoci E. Optimization Algorithms in SDN: Routing, Load Balancing, and Delay Optimization // Applied Sciences. - 2024. - T. 14, № 14. - C. 5967.

37. Tammanashastri P.R., Rajagopal S.M., Bananjee S.S. Comparative Analysis of Bellman-Ford and Dijkstra Algorithms in Software Defined Networking // 2024 5th International Conference on Data Intelligence and Cognitive Informatics (ICDICI). Tirunelveli, India: IEEE, - 2024. - C. 1-8.

38. Hossain M.D. h gp. Dynamic task offloading for cloud-assisted vehicular edge computing networks: A non-cooperative game theoretic approach // Sensors. MDPI,

- 2022. - T. 22, № 10. - C. 3678.

39. Sun S. h gp. Predictive Control Plane Balancing in SD-IoT Networks Based on Elitism Genetic Algorithm and Non-Cooperative Game Theory // IEEE Transactions on Network and Service Management. IEEE, - 2024. - C. 595-600.

40. Pietrabissa A. h gp. Lyapunov-Based Design of a Distributed Wardrop Load-Balancing Algorithm With Application to Software-Defined Networking // IEEE Trans. Contr. Syst. Technol. - 2019. - T. 27, № 5. - C. 1924-1936.

41. De Amorim Monteiro T., De Albuquerque E.Q., Balieiro A.M. Traffic Engineering in SDN with Cultural Algorithms // 2018 IEEE Latin American Conference on Computational Intelligence (LA-CCI). Gudalajara, Mexico: IEEE, - 2018. - C. 1-5.

42. Dafda J., Subhedar M. Dynamic Load balancing in SDN using Energy Aware Routing and Optimization Algorithm // 2022 IEEE Bombay Section Signature Conference (IBSSC). Mumbai, India: IEEE, - 2022. - C. 1-6.

43. Hardegen C. h gp. Predicting Network Flow Characteristics Using Deep Learning and Real-World Network Traffic // IEEE Trans. Netw. Serv. Manage. - 2020. - T. 17, № 4. - C. 2662-2676.

44. Kang Xi, Yulei Liu, Chao H.J. Enabling flow-based routing control in data center networks using Probe and ECMP // 2011 IEEE Conference on Computer Communications Workshops (INFOCOM WKSHPS). Shanghai, China: IEEE, - 2011. -C. 608-613.

45. Ye J.-L., Chen C., Huang Chu Y. A Weighted ECMP Load Balancing Scheme for Data Centers Using P4 Switches // 2018 IEEE 7th International Conference on Cloud Networking (CloudNet). Tokyo: IEEE, - 2018. - C. 1-4.

46. Hsu K.-F. h gp. Adaptive Weighted Traffic Splitting in Programmable Data Planes // Proceedings of the Symposium on SDN Research. San Jose CA USA: ACM, -2020. - C. 103-109.

47. Kamri A.Y. h gp. Constrained Policy Optimization for Load Balancing // 2021 17th International Conference on the Design of Reliable Communication Networks (DRCN). Milano, Italy: IEEE, - 2021. - C. 1-6.

48. Bhowmik C.D., Gayen T. Traffic aware dynamic load distribution in the Data Plane of SDN using Genetic Algorithm: A case study on NSF network // Pervasive and Mobile Computing. - 2023. - Т. 88. - С. 101723.

49. Santis E.D. Control methods and applicative scenarios for next- generation cellular telecommunication networks. - 2023.

50. Cimorelli F. SDN workload balancing and QoE control in next generation network infrastructures. - 2018.

51. Гасников А. и др. (ред.). Введение в математическое моделирование транспортных потоков. - ЛитРес, - 2015.

52. Gasnikov A.V., Kubentayeva M.B. Searching stochastic equilibria in transport networks by universal primal-dual gradient method // CRM. - 2018. - Т. 10, №2 3. — С. 335-345.

53. Sandholm W.H. Population games and evolutionary dynamics. MIT press,

2010.

54. Гасников А., Гасникова Е. Модели равновесного распределения транспортных потоков в больших сетях // М.: МФТИ. - 2020.

55. Gasnikova E. и др. An Evolutionary View on Equilibrium Models of Transport Flows // Mathematics. - 2023. - Т. 11, № 4. - С. 858.

56. Kotliarova E. и др. Finding equilibrium in two-stage traffic assignment model //Computer Research and Modeling. - 2021. - Т. 13, №. 2. - С. 365-379.

57. Гасникова Е.В. и др. О многостадийной транспортной модели и достаточных условиях ее потенциальности // Математическая теория игр и её приложения. - 2023. - Т. 15, №. 2. - С. 3-17.

58. Iltyakov N. и др. On accelerated coordinate descent methods for searching equilibria in two-stage transportation equilibrium traffic flow distribution model: arXiv:2307.10469. arXiv, - 2023.

59. Mounce R., Carey M. On the Convergence of the Method of Successive Averages for Calculating Equilibrium in Traffic Networks // Transportation Science. -2015. - Т. 49, № 3. - С. 535-542.

60. Sbayti H., Lu C.-C., Mahmassani H.S. Efficient Implementation of Method of Successive Averages in Simulation-Based Dynamic Traffic Assignment Models for Large-Scale Network Applications // Transportation Research Record: Journal of the Transportation Research Board. - 2007. - Т. 2029, № 1. - С. 22-30.

61. Liu H.X., He X., He B. Method of Successive Weighted Averages (MSWA) and Self-Regulated Averaging Schemes for Solving Stochastic User Equilibrium Problem // Netw Spat Econ. - 2009. - Т. 9, № 4. - С. 485-503.

62. Sun C. и др. Incremental equilibrium assignment and applications to traffic network model // IET Intelligent Trans Sys. - 2023. - Т. 17, № 4. - С. 794-803.

63. De Dios Ortuzar J., Willumsen L.G. Modelling transport. John wiley & sons — 2024.

64. Boyles S.D., Lownes N.E., Unnikrishnan A. Transportation network analysis // Volume I: Static and Dynamic Traffic Assignment. - 2020.

65. Ortuzar S. J. de D., Willumsen L.G. Modelling Transport. Fourth edition. Chichester, West Sussex, United Kingdom: John Wiley & Sons, - 2011. - С. 586.

66. Дорн Ю.В. Модель Нестерова-де Пальмы и ее применение в задачах макроскопического моделирования транспортных потоков. // Дисс. на соискание уч. степ. к. т. н. по специальности 1.2.2, - 2022. - С. 143.

67. Гасников А.В. Эффективные численные методы поиска равновесий в больших транспортных сетях // Дисс. на соискание уч. степ. д. ф.-м. н. по специальности 05.13.18. - 2016. - Т. 5.

68. Ignashin I.N., Yarmoshik D.V. Modifications of the Frank-Wolfe algorithm in the problem of finding an equilibrium distribution of traffic flows: arXiv:2403.04863. arXiv, - 2024.

69. Nesterov Y., De Palma A. Stationary dynamic solutions in congested transportation networks: summary and perspectives // Networks and spatial economics. Springer, - 2003. - Т. 3. - С. 371-395.

70. Гасников А. В. и др. Численные методы поиска равновесного распределения потоков в модели Бэкмана и в модели стабильной динамики // Математическое моделирование. - 2016. - Т. 28, №. 10. - С. 40-64.

132

71. Kubentayeva M., Gasnikov A. Finding Equilibria in the Traffic Assignment Problem with Primal-Dual Gradient Methods for Stable Dynamics Model and Beckmann Model // Mathematics. - 2021. - Т. 9, № 11. - 1217 с.

72. Sandholm W. H. Evolutionary Implementation and Congestion Pricing // The Review of Economic Studies. - 2002. - Т. 69, № 3. - С. 667-689. - DOI: 10.1111/1467-937X.t01-1-00026.

73. Hui Z. и др. A Survey of Multipath Load Balancing Based on Network Stochastic Model in MANET // 2022 24th International Conference on Advanced Communication Technology (ICACT). PyeongChang Kwangwoon_Do, Korea, Republic of: IEEE, - 2022. - С. 336-341.

74. Ravi B. и др. Stochastic Modeling for Intelligent Software--Defined Vehicular Networks: A Survey // Computers. - 2023. - Т. 12, № 8. - 162 с.

75. Cai L., Sauerwald T. Randomized Load Balancing on Networks with Stochastic Inputs // LIPIcs, Volume 80, ICALP 2017. Schloss Dagstuhl - Leibniz-Zentrum für Informatik, - 2017. - Т. 80. - С. 139:1-139:14.

76. Lewis J.T., Pfister C.E., Sullivan W.G. Entropy, concentration of probability and conditional limit theorems //Markov Process. Related Fields. - 1995. - Т. 1, №. 3. -С. 319-386.

77. Postel J. Internet Protocol: RFC0791. RFC Editor, 1981. RFC0791 [Электронный ресурс] - URL: https://www.rfc-editor.org/rfc/rfc0791 - (дата обращения: 17.10.2025).

78. Braden R. Requirements for Internet Hosts - Communication Layers: RFC1122. RFC Editor, 1989. RFC1122 [Электронный ресурс] - URL: https://www.rfc-editor.org/rfc/rfc1122 - (дата обращения: 17.10.2025).

79. Ford A. и др. TCP Extensions for Multipath Operation with Multiple Addresses: RFC8684. RFC Editor, 2020. RFC8684 [Электронный ресурс] - URL: https://www.rfc-editor.org/rfc/rfc8684 - (дата обращения: 17.10.2025).

80. Postel J. Transmission Control Protocol: RFC0793. RFC Editor, 1981. RFC0793 [Электронный ресурс] - URL: https://www.rfc-editor.org/rfc/rfc0793 - (дата обращения: 17.10.2025).

81. Iyengar J., Swett I. QUIC Loss Detection and Congestion Control: RFC9002. RFC Editor, 2021. RFC9002 [Электронный ресурс] - URL: https://www.rfc-editor.org/rfc/rfc9002 - (дата обращения: 17.10.2025).

82. Postel J. User Datagram Protocol: RFC0768. RFC Editor, 1980. RFC0768 [Электронный ресурс] - URL: https://www.rfc-editor.org/rfc/rfc0768 - (дата обращения: 17.10.2025).

83. Eggert L., Fairhurst G., Shepherd G. UDP Usage Guidelines: RFC8085. RFC Editor, 2017. RFC8085 [Электронный ресурс] - URL: https://www.rfc-editor.org/rfc/rfc8085 - (дата обращения: 17.10.2025).

84. Islam R. и др. Design and Analysis of a Network Traffic Analysis Tool: NetFlow Analyzer // IJCNS. - 2023. - Т. 16, № 02. - С. 21-29.

85. Borylo P. и др. Unified and standalone monitoring module for NFV/SDN infrastructures // Journal of Network and Computer Applications. - 2021. - Т. 175. - С. 102934.

86. Djukic P., Amiri M., Cherrington W. Reducing the cost of network traffic monitoring with AI //2021 Fall Technical Forum. - SCTE CableLabs, - 2021.

87. Vuolo M.R. Towards applications' fingerprinting through the usage of NetFlow/IPFIX technology : дис. - University of Twente, - 2024.

88. Brassil J. Network Traffic as a Federated Testbed Service // 2022 IEEE Future Networks World Forum. Montreal, QC, Canada: IEEE, - 2022. - С. 450-455.

89. Bib K., Kippe J., Karch M. Device discovery and identification in industrial networks: Geräteerkennung und -identifizierung in industriellen Netzen // at -Automatisierungstechnik. - 2023. - Т. 71, № 9. - С. 726-735.

90. Nguyen H.N. и др. A Comprehensive P4-based Monitoring Framework for L4S leveraging In-band Network Telemetry // NOMS 2023-2023 IEEE/IFIP Network Operations and Management Symposium. Miami, FL, USA: IEEE, - 2023. - С. 1-6.

91. Cai J. и др. Openint: Dynamic in-band network telemetry with lightweight deployment and flexible planning. IEEE, - 2024. - С. 2488-2497.

92. Serrat I., Kenaza T., Debicha I. Network Applications Observability on Hosts: A New SDN Privacy Issue // 2023 International Conference on Networking and Advanced Systems (ICNAS). Algiers, Algeria: IEEE, - 2023. - С. 1-6.

93. Sharaf H., Ahmad I., Dimitriou T. Extended Berkeley Packet Filter: An Application Perspective // IEEE Access. - 2022. - Т. 10. - С. 126370-126393.

94. Kheirkhah M., Wakeman I., Parisis G. Short vs. Long Flows: A Battle That Both Can Win // Proceedings of the 2015 ACM Conference on Special Interest Group on Data Communication. London United Kingdom: ACM, - 2015. - С. 349-350.

95. Mirvakili S.E., Just S., Maltzahn C. Managing Bufferbloat in Cloud Storage Systems: arXiv:2206.02906. arXiv, - 2023.

96. Liu X. и др. Mitigating Bufferbloat with Receiver-based TCP Flow Control Mechanism in Cellular Networks // Advances in Computer Communications and Networks From Green, Mobile, Pervasive Networking to Big Data Computing. 1-е изд. New York: River Publishers, - 2022. - С. 65-90.

97. Changqing Zhao C.Z. и др. Flow Entry Timeouts Optimization over Software Defined Networks Supporting Elephant Flow Classification // Journal of Internet Technology - 2022. - Т. 23, № 5. - С. 1029-1040.

98. Al-Saadi M. Optimizing Flow Routing Using Network Performance Analysis. - 2023. - 172 c.

99. Благирев М.М., Маличенко С.В., Дискретно-событийное моделирование процессов передачи данных в сети с применением NS.PY // Научные исследования 2025. Сборник статей XV Международной научно-практической конференции. -Пенза: 2025. - С. 9-16.

100. Золотухин М.С., Симонова Е.С., Сетевые симуляторы и эмуляторы оборудования Cisco // Современные наукоемкие технологии. Академия, - 2020. -№ 7. — С. 57-61.

101. Petersen E. и др. Dynamic Link Network Emulation: a Model-based Design: arXiv:2107.07217. arXiv, - 2022.

102. Lindström H. Migration to P4-Programmable Switches and Implementation of the Rapid Spanning Tree Protocol. - Linköping University, - 2020.

135

103. Fernando O.A., Xiao H., Che X. Evaluation of underlying switching mechanism for future networks with p4 and sdn (workshop paper) //International Conference on Collaborative Computing: Networking, Applications and Worksharing. -Cham : Springer International Publishing - 2019. - С. 549-568.

104. Behavioral-model v2: C++ [Электронный ресурс] / Open Networking Foundation (ONF). - 2025. - Режим доступа: https://github.com/p4lang/behavioral -model (дата обращения: 12.09.2025).

105. Performance of bmv2 [Электронный ресурс] // GitHub URL: https://github.com/p4lang/behavioral-model/blob/main/docs/performance.md (дата обращения: 11.08.2025).

106. P4Runtime Specification [Электронный ресурс] / The P4.org API Working Group. - Версия 1.5.0-dev. - 10.10.2025. - Режим доступа: https://p4lang. github.io/p4runtime/spec/main/P4Runtime-Spec.html (дата обращения: 11.10.2025).

107. Зыков С. В., Маличенко С.В. Вероятностный алгоритм взвешенного разделения потока в программно-конфигурируемых сетях // Защита информации. Инсайд. - 2024. - № 6 (120). - С. 70-73.

108. Tsiknas K., Stamatelos G. Comparative Performance Evaluation of TCP Variants in WiMAX (and WLANs) Network Configurations // Journal of Computer Networks and Communications. - 2012. - Т. 2012. - С. 1-9.

109. Winz R.D. и др. Distributed Interactive Simulation Prototyping with Mininet // 2023 Congress in Computer Science, Computer Engineering, & Applied Computing (CSCE). Las Vegas, NV, USA: IEEE, - 2023. - С. 786-790.

110. Di Lena G. и др. Distrinet: A mininet implementation for the cloud // ACM SIGCOMM Computer Communication Review. - 2021. - Т. 51, №. 1. - С. 2-9

111. Han M.P., Htet S.Y., Wuttisttikulkij L. Hybrid GNS3 and Mininet-WiFi Emulator for SDN Backbone Network Supporting Wireless IoT Traffic // 2022 37th International Technical Conference on Circuits/Systems, Computers and Communications (ITC-CSCC). Phuket, Thailand: IEEE, - 2022. - С. 768-771.

112. Gomez J. и др. A survey on network simulators, emulators, and testbeds used for research and education //Computer Networks. - 2023. - Т. 237. - С. 110054.

136

113. Zhao Y., Shen X., Chen C. Research on IP-based network architecture for advanced metering infrastructure of power grid network //Journal of Computational Methods in Sciences and Engineering. - 2025. - Т. 25, №. 4. - С. 2943-2963.

114. Han M. P. Hybrid GNS3 and Mininet-WiFi emulator for survivable SDN backbone network supporting wireless IoT traffic. - 2021.

115. Liu C. и др. A SDN-based active measurement method to traffic QoS sensing for smart network access // Wireless networks. Springer, - 2021. - Т. 27, № 5. — С. 3677-3688.

116. Salie L. An analysis of internet traffic flow in SANReN using active and passive measurements. - 2021.

117. Tang F., Shojaee M., Haque I. ACE: an Accurate and Cost-Effective Measurement System in SDN: arXiv:2108.12849. arXiv, - 2021.

118. Di Q. и др. A Delay Guarantee Mechanism Based on Active and Passive Measurement in SDN Networks. IEEE, - 2023. - С. 384-389.

119. Chefrour D. One-Way Delay Measurement From Traditional Networks to SDN: A Survey // ACM Comput. Surv. - 2022. - Т. 54, № 7. - С. 1-35.

120. Islam M.S. и др. A Survey on SDN and SDCN Traffic Measurement: Existing Approaches and Research Challenges // Eng. - 2023. - Т. 4, № 2. - С. 10711115.

121. Conforti L. и др. Extending the QUIC Protocol to Support Live Container Migration at the Edge // 2021 IEEE 22nd International Symposium on a World of Wireless, Mobile and Multimedia Networks. Pisa, Italy: IEEE, - 2021. - С. 61-70.

122. Rawash Y.Z. и др. Advanced Low-Pass Filters for Signal Processing: A Comparative Study on Gaussian, Mittag-Leffler, and Savitzky-Golay Filters // MMEP. -2024. - Т. 11, № 7. - С. 1841-1850.

123. Тху К.М. и др. Сравнительный анализ методов оценки производительности узлов в распределенных системах // International Journal of Open Information Technologies. - 2023. - Т. 11, №. 6. - С. 129-134.

124. Ламановский М. Н., Лавров Д. Н. Балансировка нагрузки облачных вычислений // Математические структуры и моделирование. - 2024. - №. 2 (70). -С. 87-99.

125. Sefati S., Mousavinasab M., Zareh Farkhady R. Load balancing in cloud computing environment using the Grey wolf optimization algorithm based on the reliability: performance evaluation // J Supercomput. - 2022. - Т. 78, № 1. - С. 18-42.

126. Kashani M.H., Mahdipour E. Load balancing algorithms in fog computing // IEEE Transactions on Services Computing. - 2022. - Т. 16. - №. 2. - С. 1505-1521.

Приложение А. Сертификаты государственной регистрации программного

обеспечения

Приложение Б. Акты внедрения

АЛЬЯНС

системы безопасности

комплексные

105523, г. Москва, МКАД, 104-ый км., д. 8А, оф. 206 8 (499) 7-500-300 www.all-bez.ru [e-mail]

УТВЕРЖДАЮ Генеральный директор ООО «Альянс групп»

Д.В. Козодаев «13» марта 2025 г.

АКТ

О внедрении результатов диссертационной работы Маличенко Сергея Владимировича на тему «Математическое и программное обеспечение балансировки потоков данных в программно-конфигурируемых сетях на

Комиссия в составе Козодаева Д.В., Ухова Д.М., Севальнева А.Ю. составила настоящий акт о том, что результаты диссертационной работы Маличенко Сергея Владимировича, а именно, «Архитектура и программная реализация контроллера балансировки потоков данных с возможностью задействования транспортных алгоритмов оптимизации», используются в проектах коммуникационных сетей, используемых ООО «Альянс групп».

основе транспортных моделей и алгоритмов»

Ведущий инжене

Зам. начальника

Генеральный ащ

Севальнев А.Ю.

Козодаев Д.В.

Ухов Д.М.