Application of FDA to Network Management activities

Abstract

Nowadays, the storage and processing capacities of current computer systems allow the use of diverse and massive data sources to extract knowledge that can guide managerial decision-making processes. Nevertheless, data analysis methods face some issues related to the characteristics of current data sources. In this work, we will focus in two aspects of current challenges in this area. On the one hand, we will propose some alternatives to transform heterogeneous data to a format that eases the exploration and study to network managers. On the other hand, we will look to the improvement of the scalability, extensibility and results obtained by using such solutions. Given that network monitoring is a critical labor, as a result of current systems’ dependency on communication infrastructures, this Master Thesis provides a study of the applicability of Functional Data Analysis (FDA) to Network Traffic Monitoring and Analysis (NTMA) and network management. FDA is a branch of statistics that study infinite dimensional random variables, extending statistical properties to functional spaces. As several sources of network management data can be interpreted as functional data, our hypothesis is that the functional perspective may produce several advantages during the study and knowledge-acquisition phases of network analysis processes. This fact points to the improvement of several tools and methods that are used by managers and that can result insufficient with the current advances in network infrastructures. With this objective in mind, we present several proposals and some empirical results to illustrate the advantages of FDA when applied to network data mining.

Actualmente, las capacidades de almacenamiento y de cómputo de los sistemas informáticos permiten el empleo de fuentes diversas y masivas de datos para extraer conocimiento de interés para la toma de decisiones de gestión. Esta situación plantea retos en el área del análisis de datos orientados a, por un lado, transformar los datos obtenidos de diversas fuentes a un formato que permita su exploración y estudio; y por otro lado, garantizar la escalabilidad de las soluciones, y su extensión y mejora continua. Dado que desde el punto de vista técnico, el control y evaluación de las prestaciones de las redes de ordenadores es un punto crítico por la dependencia que tienen los sistemas informáticos actuales en las infraestructuras de comunicaciones, en este Trabajo Fin de Máster se plantea el estudio de la aplicación de las técnicas de análisis estadístico de datos funcionales (Functional Data Analysis, FDA) al área de gestión de red. Estas técnicas consideran variables aleatorias de dimensión infinita, de modo que estudian propiedades estadísticas en espacios funcionales. Dado que muchos de los datos que son tenidos en cuenta durante las tareas involucradas en la gestión de red se acomodan a esta interpretación, se plantea como hipótesis que FDA puede proporciona ciertos avances en el estudio y extracción de conclusiones para guiar las decisiones de los agentes de gestión de red. Con el fin de estructurar este estudio, se presentará un catálogo de propuestas, presentando los resultados de su aplicación a la minería de datos de red.