Réseaux dynamiques - des données aux modèles et applications Anh-Dung Nguyen ISA-Université de Toulouse 1
Plan Contexte! Modélisation des réseaux dynamiques! Structure petit-monde! Impact du désordre! Application au routage centré sur le contenu! Application au mobile cloud computing! Conclusion & Perspectives 2
Réseaux opportunistes Internet d aujourd hui :! Basé sur l infrastructure! De plus en plus des ressources de communication à la périphérie! Réseaux opportuniste mobiles : réseaux crées par des contacts intermittents entre noeuds, pas de garantie de la connectivité de bout en bout! Usage des réseaux opportunistes mobiles pour :! Réduire la charge au coeur du réseau! Complémenter les réseaux basés sur l infrastructure! Offrir des services de communication potentiellement gratuits! x: offloading, crowdsourcing, distribution/partage de contenu, internet des objets! L humain est le point central de ces réseaux besoin de comprendre, modéliser les impacts de l humain sur ce type de réseau 3
Plan Contexte! Modélisation des réseaux dynamiques 4
Modéliser des réseaux opportunistes La mobilité est une propriété intrinsèque de ces réseaux! Mobilité = générateur des contacts! Modèles de mobilité humaine existants! simples mais pas réalistes/complexes mais difficiles à configurer! lacunes en terme de modélisation des caractéristiques spatio-temporelles souvent observées sur des traces réelles! Besoin d un nouveau modèle capable de couvrir un large spectre de schémas de mobilité humaine STPS 5
STPS Caractéristiques des mouvements humains! Les gens se déplacent entre un nombre fini de zones! Périodicité! Certains sites sont plus visités que d autres! Certaines personnes sont plus mobiles que d autres! Principes de mobilité humaine portés par STPS! Attachement préférentiel! Attraction 6
STPS Mobilité humaine modélisée par une chaîne de Markov! État = zone d attachement! Transitions = mouvements entre zones! Choix de la distribution de probabilité?! Résultats déjà trouvés pour la distribution des distances parcourues, temps d inter-contact/contact, temps de pause! Comportement de lois de puissance observé sur les traces réelles A C B D 7
STPS Définition! STPS = Spatio-Tmporal Parameter Stepping! 1 tore divisé en N zones! distance métrique entre zones! chaque noeud est associé à une zone préférentielle! dans chaque zone, les noeuds bougent selon RWP! le mouvement entre zones est régi par!! P [Z = z i ]=d z 0 z i Un large spectre de mobilité humaine!! 0: comportement nomade! =0!1: comportement localisé : comportement uniforme! 2 2 2 2 2 1 1 1 2 2 1 A 1 2 2 1 1 1 2 2 2 2 2 2 2 8
STPS Résultats! Capacité de STPS! Capturer les caractéristiques fondamentales de la mobilité humaine observées sur les traces réelles! Reproduire les performances de routage observées sur les traces réelles! Comprendre des propriétés structurelles du graphe dynamique sous-jacent 10 0 10 1 STPS Infocom06 10 0 10 1 STPS Infocom06 10 2 10 2 10 0 10 0 P(x>t) 10 3 10 2 P(x>t) 10 3 10 2 10 4 10 4 10 4 10 4 10 5 10 6 10 6 0 0.5 1 1.5 2 2.5 3 3.5 x 10 5 10 2 10 3 10 4 10 5 10 6 t 10 5 10 6 10 6 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 x 10 4 10 0 10 1 10 2 10 3 10 4 10 5 t 9
Publications STPS-A New Approach for Human Mobility Modeling Anh-Dung Nguyen, Patrick Senac, Victor Ramiro, Michel Diaz IFIP NTWORKING 2011! Behavioral and Structural Analysis of Mobile Cloud Opportunistic Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz Opportunistic Mobile Social Networks, CRC Press, 2014! Modeling Opportunistic Networks - from Mobility to Structural and Behavioral Analysis Anh-Dung Nguyen, Patrick Senac, Michel Diaz lsevier Ad Hoc Networks, 2014 (en soumission) 10
Plan Introduction! Modélisation! Structure petit-monde 11
Analyse structurelle Comprendre les propriétés fondamentales des réseaux dynamiques pour! Évaluer les performances et la sensibilité des protocoles! Adapter ces protocoles à ces propriétés! Graphe dynamique - un domaine de recherche récent nécessitant! Étude des propriétés! Nouveaux modèles! Définition des métriques permettant de quantifier, classifier les graphes! Nouveaux algorithmes (problème du plus court chemin, clustering, détection de communauté,...)! Approche : STPS + analyses de traces Propriétés structurelles des réseaux dynamiques Adaptation du routage aux propriétés structurelles 12
Structure petit-monde 1969 : xpérience de Milgram! 1998 : Modèle de Watts et Strogatz pour les graphes statiques!!!! Phénomène de petit-monde observé dans des nombreux réseaux statiques réels : fort taux de clusterisation + faible longueur du chemin caractéristique! Structure de petit-monde diffusion de l information aussi rapide que dans des réseaux aléatoires! Résultats se limitant au contexte statique et ignorant les réseaux dynamiques! Besoin de l étude sur l émergence et la modélisation de ce phénomène dans les réseaux dynamiques 13
Métriques Métriques qualifiant la structure petitmonde dynamique! Longueur du plus court chemin dynamique! Taux de clusterisation dynamique 14
Longueur du plus court chemin dynamique Chemin dynamique : l ensemble ordonné de liens temporels permettant à un message d être transmis entre 2 noeuds selon le paradigme stocker-bouger-envoyer! 2 métriques! délai : somme des temps inter-contacts! nombre de sauts : nombre de liens 15
Longueur du plus court chemin dynamique Chemin dynamique le plus court : le chemin donnant le délai minimum, si il y en a plusieurs, on prend celui qui donne le plus faible nombre de sauts!! L t 0 ij =inf{t t 0 9p ij (t 0,t)} La longueur du chemin caractéristique d un réseau de N noeud est la moyenne des longueurs de chemins les plus courts entre toutes les paires de noeuds! Algorithme efficace basé sur la matrice d adjacence pour calculer les longueurs des plus cours chemins dynamiques entre toutes les paires de noeuds dans un graphe dynamique * * Understanding and modeling the small-world phenomenon in dynamic networks! Anh-Dung Nguyen, Patrick Senac, Michel Diaz! ACM MSWIM 2012 16
Taux de clusterisation dynamique Réseaux statiques! Modèle WS : mesure de cliquishness d un cercle d amis! Newman (2001) : transitivité! Réseaux dynamiques! Tang et al. (2009) : une généralisation de WS pour les graphes temporels, fortement dépendant de l intervalle de mesure 17
Taux de clusterisation dynamique Chemin dynamique transitif : un chemin de i à j est transitif s il existe un noeud k et des instants t1, t2, t3 tels que i est connecté à k à t1, k est connecté à j à t2, i est connecté à j à t3 et t1<=t2<=t3! Le taux de clusterisation dynamique d un noeud i à partir du temps t0 est mesuré par l inverse du temps t-t0 tel que t est le premier instant à partir de t0 où un chemin transitif issu de i est formé C t 0 i =(t t 0 ) 1 Le taux de clusterisation dynamique d un réseau est la moyenne des taux de clusterisation dynamique de tous les noeuds à partir du temps t0 18
Analyses de traces 1 0.9 Dynamic clustering coefficient Dynamic shortest path distance 1 0.9 Dynamic clustering coefficient Dynamic shortest path length 0.8 0.8 Normalized value 0.7 0.6 0.5 0.4 0.3 Normalized value 0.7 0.6 0.5 0.4 0.3 0.2 0.2 0.1 0.1 Normalized value 0 0 12 24 36 48 60 72 84 96 108120132144156168180192204216228240252264276 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 Time (hours) Dynamic clustering coefficient Dynamic shortest path distance Normalized value 0 0 12 24 36 48 60 72 84 96 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 Time (hour) Dynamic clustering coefficient Dynamic shortest path distance 0 0 12 24 36 48 60 72 Time (hour) 0 0 12 24 36 48 60 72 84 96 108 Time (hour) pattern périodique des 2 métriques avec une période typique de 24 heures et un changement de phase chaque 12 heures! pendant les phases dynamiques, ces réseaux possèdent un fort taux de clusterisation dynamique et une faible longueur du chemin caractéristique phénomène de petit-monde Comment cette structure émerge? 19
mergence du phénomène Modèle WS : émergence du phénomène de petit-monde = introduire aléatoirement des raccourcis (recablage)! Notre postulat : dans les réseaux dynamiques, les noeuds nomades introduisent des raccourcis et donc contribuent à l émergence du phénomène de petit-monde 20
Émergence de structure petit-monde Modéliser le phénomène sous STPS! 2 types de noeuds! sédentaires : restent dans leurs zones de prédilection! nomades : se déplacent entre zones! Recablage = variation du ratio des noeuds nomades entre 0 et 100% 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 21 0.1 Dynamic clustering coefficient Dynamic shortest path length 0 10 3 10 2 10 1 10 0 Fraction of nomadic nodes Condition suffisante : La structure petit-monde émerge dès que l on a 10% de noeuds nomades
Diffusion dans les petit-mondes dynamiques Modèle épidémique SI! Approche systèmes dynamiques : exprimer la dynamique de la progression épidémique par une équation différentielle 100 p m = 0.1% 100 Fraction of infected nodes (%) 90 80 70 60 50 40 30 20 10 p m = 1% p m = 10% p m = 100% Fraction of infected nodes (%) 90 80 70 60 50 40 30 20 10 p m = 1% (simu) p m = 1% (theory) p = 10% (simu) m p = 10% (theory) m p m = 100% (simu) p m = 100% (theory) 0 0 100 200 300 400 500 600 700 800 900 1000 Time (time unit) 0 10 0 10 1 10 2 10 3 Time (time unit) La structure petit-monde augmente significativement la vitesse de propagation de l épidémie 22
Synthèse Modèle pour mettre en évidence une condition suffisante pour l émergence du phénomène petit-monde dans les réseaux dynamiques! Recablage = introduction de noeuds nomades! Les noeuds nomades jouent le rôle de ponts en réduisant significativement la longueur caractéristique, et donc contribuent à l émergence du phénomène petit-monde dans les réseaux dynamiques! 10% de noeuds nomades constituent une condition suffisante pour l émergence du phénomène de petit monde! La structure petit-monde améliore significativement la diffusion de l information dans les réseaux dynamiques 23
Publications Understanding and Modeling the Small-world Phenomenon in Dynamic Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz ACM MSWIM 2012! Behavioral and Structural Analysis of Mobile Cloud Opportunistic Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz Opportunistic Mobile Social Networks, CRC Press, 2014! Modeling Opportunistic Networks - from Mobility to Structural and Behavioral Analysis Anh-Dung Nguyen, Patrick Senac, Michel Diaz lsevier Ad Hoc Networks, 2014 (en soumission) 24
Plan Contexte! Modélisation des réseaux dynamiques! Structure petit-monde! Impacts du désordre 25
Structure et ordre Les schémas de contacts humains s opèrent selon un certain degré de périodicité et de régularité! Cet ordre a t-il un impact sur les performances de routage?! Peut t-on tirer parti de cet ordre pour router efficacement dans un réseau dynamique? 26
Modèle* Schéma de contact régulier : n1-n2, n2-n3, n3-n4,...! Désordre = probabilité de recablage p! Processus de recablage :! p = 0 réseau régulier! p = 1 réseau aléatoire! varier p de 0 à 1 injecter le désordre dans le réseau * On the Impact of Disorder on Dynamic Network Navigation! Anh-Dung Nguyen, Patrick Senac, Michel Diaz! I INFOCOM 2013, Student Workshop 27
Mesure de désordre Algorithme pour estimer le niveau de désordre! Niveau de désordre observé : de 13% à 40% Dataset Size (nodes/days) nvironment p real (%) Cambridge05 12/6 laboratory 12.97 Intel 9/6 laboratory 16.78 Cambridge06 36/54 city 22.17 Infocom06 98/4 conference 27.77 MIT 104/246 campus,city 29.96 Infocom05 41/4 conference 34.96 Milan 49/19 university 39.31 28
Ordre et structure temporelle Structure temporelle! Distance spatio-temporelle entre noeuds f(délais, sauts)! hops = 1 Chaque noeud maintient pour chaque destination connue 2 scalaires explicitant la distance spatio-temporelle vers cette destination Relation d ordre entre noeuds Champ de gradient vers un noeud hops = 2 hops = 1 hops = 1 t0 target node hops = 2 t1 hops = 2 t2 gradient (delay, hops) 29
Principes de routage Routage dans les réseaux opportunistes = trouver un chemin temporel d une source à une destination qui minimise une fonction de coût! Compromis performance/ressources! Solution pire cas : seule 1 copie de message! Notre algorithme * : les messages suivent le champ de gradient spatio-temporel selon un principe de descente (GRAD-DOWN) ou de montée (GRAD-UP) de gradient * How Disorder Impacts Routing in Human-Centric Disruption Tolerant Networks! Anh-Dung Nguyen, Patrick Senac, Michel Diaz! ACM SIGCOMM 2013 Workshop on Future Human-Centric Multimedia Networking! 30
Résultats Delivery Delay (time units) 3,500 3,000 2500 2,000 1500 1,000 500 0 GRAD-UP et GRAD-DOWN délivrent de meilleures performances que les solutions classiques (PROPHT, dlif, FirstContact, DirectDelivery)! GRAD-DOWN atteint sa performance optimale pour un niveau de désordre de 20%! Ce niveau de désordre est compatible avec celui observé dans les traces réelles GRAD DOWN GRAD UP FirstContact DirectDelivery PROPHT dlife 0 0.2 0.4 0.6 0.8 1 p Delivery Probability (%) 1 0.8 0.6 0.4 GRAD DOWN GRAD UP 0.2 FirstContact DirectDelivery PROPHT dlife 0 0 0.2 0.4 0.6 0.8 1 p 0 0 0.2 0.4 0.6 0.8 1 p Délais Taux de délivrance Overhead 36 Overhead 200 160 120 80 40 GRAD DOWN GRAD UP DirectDelivery PROPHT dlife Average message passing chain length (hop) 33 28 23 Le désordre introduit! des raccourcis! 18 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 p 31
Synthèse Maintenir les distances spatio-temporelles entre noeuds est simple et efficace! Le routage peut être basé sur cet indice pour suivre les pentes du champs de gradient vers le noeud destinataire! Ces algorithmes utilisant ce gradient sont plus efficaces que les approches traditionelles! Quand le niveau du désordre est de 20%, la structure résultante permet d exploiter ces algorithmes efficacement! Le niveau de désordre des traces réelles est conforme avec celui pour lequel ce type d algorithme est efficace 32
Publications How Disorder Impacts Routing in Human-Centric Disruption Tolerant Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz ACM SIGCOMM 2013 Workshop on Future Human-Centric Multimedia Networking! On the Impact of Disorder on Dynamic Network Navigation Anh-Dung Nguyen, Patrick Senac, Michel Diaz I INFOCOM 2013, Student Workshop! On the Impact of Disorder on Dynamic Network Navigation Anh-Dung Nguyen, Patrick Senac, Michel Diaz NetSci 2013! Impact of ntropy on Routing in Delay Tolerant Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz lsevier Ad Hoc Networks, 2014 (en soumission) 33
Plan Introduction! Modélisation! Structure petit-monde! Impacts du désordre! Application au routage centré sur le contenu 34
Réseaux centrés sur le contenu Trafic d internet d aujourd hui : 90% dissémination des données! Architecture centré sur les hôtes! Internet d aujourd hui : Identité = localisation! Content-centric : découpage de la relation Identité/localisation! Libérer des utilisateurs des systèmes de gestion et résolution d adresses! Le caching améliore la délivrance des contenus, réduit la congestion,...! CCN + DTN = CCDTN, une solution naturelle pour faire du routage dans les réseaux opportunistes 35
Swarm Intelligence Based Routing Paradigme de communication pub/sub! Dissémination des contenus! algorithme GRAD-DOWN! Dissémination des intérêts de contenu! emploie de Binary Spray and Wait! diffusion du triplet [Souscription, Délai, Sauts]! Chaque noeud maintient pour chaque contenu une fonction d utilité f(délai,sauts) qui résume la distance spatio-temporelle entre un noeud et un utilisateur du contenu! Mise à jour des fonctions d utilité via les contacts opportunistes! Émergence d un champ de gradient entre les fournisseurs et les utilisateurs 36
Dissémination des intérêts 37
Dissémination des intérêts A 37
Dissémination des intérêts A t0 37
Dissémination des intérêts A t0 Noeud Souscription Délai Sauts A - - 37
Dissémination des intérêts A B t0 t1 Noeud Souscription Délai Sauts A - - 37
Dissémination des intérêts A B t0 t1 Noeud Souscription Délai Sauts A - - 37
Dissémination des intérêts A B t0 t1 Noeud Souscription Délai Sauts A - - 37
Dissémination des intérêts A B t0 t1 Noeud Souscription Délai Sauts A - - B 0 1 37
Dissémination des intérêts A B C t0 t1 t2 Noeud Souscription Délai Sauts A - - B t2-t1 0 1 37
Dissémination des intérêts A B C t0 t1 t2 Noeud Souscription Délai Sauts A - - B t2-t1 0 1 37
Dissémination des intérêts B A C t0 t1 t2 Noeud Souscription Délai Sauts A - - B t2-t1 0 1 37
Dissémination des intérêts B A C t0 t1 t2 Noeud Souscription Délai Sauts A - - B t2-t1 0 1 C 0 1 37
Dissémination des intérêts B D A C t0 t1 t2 t3 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 0 1 C t3-t2 0 1 37
Dissémination des intérêts B D A C t0 t1 t2 t3 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 0 1 C t3-t2 0 1 37
Dissémination des intérêts B D A C t0 t1 t2 t3 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 0 1 C t3-t2 0 1 37
Dissémination des intérêts B D A C t0 t1 t2 t3 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 0 1 C t3-t2 0 1 D t3 2 37
Dissémination des intérêts B D A C t0 t1 t2 t3 t4 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 0 1 C t3-t2 t4-t2 0 1 D t4-t1 t3 2 37
Dissémination des intérêts B D A C t0 t1 t2 t3 t4 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 0 1 C t3-t2 t4-t2 0 1 D t4-t1 t3 2 37
Dissémination des intérêts B D A C t0 t1 t2 t3 t4 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 0 1 C t3-t2 t4-t2 0 1 D t4-t1 t3 2 37
Dissémination des intérêts B D A C t0 t1 t2 t3 t4 t5 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 t5-t1 0 1 C t3-t2 t4-t2 t5-t2 0 1 D t4-t1 t5-t1 t3 2 37
Dissémination des intérêts B D A C t0 t1 t2 t3 t4 t5 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 t5-t1 0 1 C t3-t2 t4-t2 t5-t2 0 1 D t4-t1 t5-t1 t3 2 37
Dissémination des intérêts B D A C t0 t1 t2 t3 t4 t5 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 t5-t1 0 1 C t3-t2 t4-t2 t5-t2 0 1 D t4-t1 t5-t1 t5-t2 t3 2 37
Dissémination des intérêts B D A C t0 t1 t2 t3 t4 t5 t6 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 t5-t1 t6-t1 0 1 C t3-t2 t4-t2 t5-t2 t6-t2 0 1 D t4-t1 t5-t1 t5-t2 t6-t2 t3 2 37
Dissémination des intérêts B D A C t0 t1 t2 t3 t4 t5 t6 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 t5-t1 t6-t1 0 1 C t3-t2 t4-t2 t5-t2 t6-t2 0 1 D t4-t1 t5-t1 t5-t2 t6-t2 t3 2 37
Dissémination des intérêts B D A C t0 t1 t2 t3 t4 t5 t6 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 t5-t1 t6-t1 0 1 C t3-t2 t4-t2 t5-t2 t6-t2 0 1 D t4-t1 t5-t1 t5-t2 t6-t2 t3 2 37
Dissémination des intérêts A B D F x C t0 t1 t2 t3 t4 t5 t6 t7 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 t5-t1 t6-t1 0 1 C t3-t2 t4-t2 t5-t2 t6-t2 0 1 D t4-t1 t5-t1 t5-t2 t6-t2 t3 2 37
Dissémination des contenus A B D F x x x x C Noeud Souscription Délai Sauts A - - B t6 1 C 0 1 D t6 2 38
Dissémination des contenus A B D F x x x x C t7 Noeud Souscription Délai Sauts A - - B t7-t1 t6 1 C t7-t6 0 1 D t7-t2 t6 2 38
Dissémination des contenus A B D F x x x x C t7 Noeud Souscription Délai Sauts A - - B t7-t1 t6 1 C t7-t6 0 1 D t7-t2 t6 2 38
Dissémination des contenus A B D x x F x x C t7 Noeud Souscription Délai Sauts A - - B t7-t1 t6 1 C t7-t6 0 1 D x t7-t2 t6 2 38
Dissémination des contenus A B D x x F x x C t7 t8 Noeud Souscription Délai Sauts A - - B t7-t1 t8-t1 t6 1 C t7-t6 t8-t6 0 1 D x t7-t2 t8-t2 t6 2 38
Dissémination des contenus A B D x x F x x C t7 t8 Noeud Souscription Délai Sauts A - - B t7-t1 t8-t1 t6 1 C t7-t6 t8-t6 0 1 D x t7-t2 t8-t2 t6 2 38
Dissémination des contenus A B D x x F x x C t7 t8 Noeud Souscription Délai Sauts A - - B t7-t1 t8-t1 t8-t2 t6 31 C t7-t6 t8-t6 0 1 D x t7-t2 t8-t2 t6 2 38
Dissémination des contenus A B D x x F x x C t7 t8 t9 Noeud Souscription Délai Sauts A - - B t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C t7-t6 t8-t6 t9-t6 0 1 D x t7-t2 t8-t2 t9-t2 t6 2 38
Dissémination des contenus A B D x x F x x C t7 t8 t9 Noeud Souscription Délai Sauts A - - B t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C t7-t6 t8-t6 t9-t6 0 1 D x t7-t2 t8-t2 t9-t2 t6 2 38
Dissémination des contenus A B D x x F x x C t7 t8 t9 Noeud Souscription Délai Sauts A - - B t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C t7-t6 t8-t6 t9-t6 0 1 D x t7-t2 t8-t2 t9-t2 t9-t6 t6 2 38
Dissémination des contenus A B D x F x x C x t7 t8 t9 Noeud Souscription Délai Sauts A - - B t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C t7-t6 t8-t6 t9-t6 0 1 D x t7-t2 t8-t2 t9-t2 t9-t6 t6 2 38
Dissémination des contenus A B D x F x x C x t7 t8 t9 Noeud Souscription Délai Sauts A - - B t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C x t7-t6 t8-t6 t9-t6 0 1 D x t7-t2 t8-t2 t9-t2 t9-t6 t6 2 38
Dissémination des contenus A B D x F x x C x t7 t8 t9 t10 Noeud Souscription Délai Sauts A - - B t10-t2 t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C x t10-t6 t7-t6 t8-t6 t9-t6 0 1 D x t10-t6 t7-t2 t8-t2 t9-t2 t9-t6 t6 2 38
Dissémination des contenus A B D x F x x C x t7 t8 t9 t10 Noeud Souscription Délai Sauts A - - B t10-t2 t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C x t10-t6 t7-t6 t8-t6 t9-t6 0 1 D x t10-t6 t7-t2 t8-t2 t9-t2 t9-t6 t6 2 38
Dissémination des contenus x A B D x F x x C x t7 t8 t9 t10 Noeud Souscription Délai Sauts A - - B t10-t2 t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C x t10-t6 t7-t6 t8-t6 t9-t6 0 1 D x t10-t6 t7-t2 t8-t2 t9-t2 t9-t6 t6 2 38
Dissémination des contenus x A B D x F x x C x t7 t8 t9 t10 Noeud Souscription Délai Sauts A x - - B t10-t2 t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C x t10-t6 t7-t6 t8-t6 t9-t6 0 1 D x t10-t6 t7-t2 t8-t2 t9-t2 t9-t6 t6 2 38
Résultats Cohérence de la fonction d utilité 4 x 104 3.5 Shortest path length (s) 3 2.5 2 1.5 1 C = 0.95 y = 2.2*x 2.4e+04 0.5 0 1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 Utility values (s) x 10 4 Corrélation entre les valeurs d utilité et la longueur du chemin le plus court mesurée sur les traces réelles 39
Résultats Average delivery delay (hour) 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0 0 12 24 36 48 60 Time (hour) SIR vs solution optimale SIR path Optimal path 1.5 1 0.5 0 0.5 1 1.5 6 x 104 5 4 3 2 1 y = 0.87*x + 8.8e+02 Correlation 0 0 1 2 3 4 5 6 x 10 4 Residuals x 104 2 2 0 1 2 3 4 5 6 x 10 4 SIR Solution optimale 40
Résultats Comparaison de performances! SIR vs PROPHT vs BSAW! Mobilité : STPS! Scénarios! Impact de la mobilité! Impact de la connectivité! Impact du nombre de noeuds SIR délivre dans tous les cas de meilleures performances que PROPHT et BSAW 41
Synthèse Routage intelligent à partir des comportements simples des individus! Passant à l échelle (2 scalaires par contenu)! Ressources contrôlées (par BSAW)! Bonnes performances 42
Publications STIgmergy Routing (STIR) for Content-Centric Delay Tolerant Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz Latin-American Workshop on Dynamic Networks (LAWDN) 2010 Swarm-based Intelligent Routing (SIR) - A New Approach for fficient Routing in Content-Centric Delay Tolerant Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz ACM MOBIWAC 2011! Pervasive Intelligent Routing in Content Centric Delay Tolerant Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz I PICom 2011 43
Plan Introduction! Modélisation! Structure petit-monde! Impacts du désordre! Routage centré sur le contenu! Application au Mobile Cloud Computing 44
Mobile Cloud Computing Cloud Computing : virtualisation des ressources pour offrir aux utilisateurs des services à la demande! MCP : 2 écoles - approche centralisée vs décentralisée! Question : comment la mobilité influe sur la capacité de traitement distribuée du mobile cloud?! Évaluation de la qualité de service d un mobile cloud! Mobilité : STPS! Service : optimiser une fonction en utilisant un algorithme réparti de type Particle Swarm Optimization! Le service est considéré terminé quand l optimum global atteint une précision prédéfinie par l utilisateur 45
Particle Swarm Optimisation Méthode d optimisation multimodale basée sur l intelligence par essaim! 1 particule = 1 candidat de solution! Particules se déplacent dans l espace de recherche! Mouvement des particules = f(meilleure solution locale, meilleure solution globale)! L essaim progresse collectivement vers l optimum! Dans le contexte des réseaux dynamiques! Particule = noeud mobile! Voisinage = contacts opportunistes! La vitesse de convergence dépend de la mobilité? 46
Impact de la mobilité/structure Simulation : Mobilité et structure petit-monde augmentent! significativement la capacité de traitement des MCs 47
Résilience des MCs Comment MCC résiste à la perte de noeuds?! Défaillance/départ des noeuds selon un processus de Poisson! Évaluation du délai de convergence du PSO sous différentes intensités de défaillance/départ de noeuds 2 x 104 2.5 x 104 2.5 x 104 2.5 x 104 1.8 1.6 2 2 2 Convergence delay (s) 1.4 1.2 1 0.8 0.6 Convergence delay (s) 1.5 1 0.5 Convergence delay (s) 1.5 1 0.5 Convergence delay (s) 1.5 1 0.5 0.4 0 0 0 0.2 0 1/15 1/12.5 1/10 1/7.5 1/5 Inactive node rate (nodes/s) 0.5 1/15 1/12.5 1/10 1/7.5 1/5 Inactive node rate (nodes/s) 0.5 1/15 1/12.5 1/10 1/7.5 1/5 Inactive node rate (nodes/s) 0.5 1/15 1/12.5 1/10 1/7.5 1/5 Inactive node rate (nodes/s) 0% des! noeuds nomades 10% des! noeuds nomades 50% des! noeuds nomades 100% des! noeuds nomades Structure petit-monde et mobilité renforcent la résilience des MCs 48
Publications How Mobility Increases Mobile Cloud Computing Processing Capacity Anh-Dung Nguyen, Patrick Senac, Victor Ramiro, Michel Diaz I NCCA 2012! Behavioral and Structural Analysis of Mobile Cloud Opportunistic Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz Opportunistic Mobile Social Networks, CRC Press, 2014 49
Plan Introduction! Modélisation! Structure petit-monde! Impacts du désordre! Routage centré sur le contenu! Application au Mobile Cloud Computing! Conclusion & Perspective 50
Conclusion Modèle couvrant un large spectre de patterns de mobilité humaine! Analyses approfondies de la structure des réseaux dynamiques et ses impacts sur le routage! Structure de petit-monde! Impact du désordre! Protocole de routage centré sur le contenu, simple, efficace et passant à l échelle! Étude sur le Mobile Cloud Computing 51
Perspectives STPS! xtension du modèle : Multiple zones de prédilection, comportement humain dans les réseaux sociaux (zone = sujet d intérêt)! Analyse plus fine sur la capacité à reproduire des performances de routage! xpression analytique complète! Structure de petit-monde :! analyses de grandes traces! Structure et ordre! Une version adaptative de GRAD-DOWN et GRAD-UP! identifier d autres conditions suffisantes et nécessaires pour l émergence de la structure! Modèle plus réaliste : considération des différentes fréquences de contacts pour chaque noeuds,...! Les réseaux structurés autour d une activité sociale adaptent-il leur niveau de désordre pour optimiser la capacité de communication? (analyse de traces de divers types)! tude de la propriété scale free des réseaux dynamiques! tude sur l application crowdsourcing décentralisé! SIR! Étude plus approfondie sur le cas de multiples utilisateurs! tude et optimisation du temps d initialisation! MCC! Intégrer des contraintes relatives à la bufferisation et à la bande passante! 52
Thanks! 53