Análisis de registros de solicitudes DNS de universidades en Shanghái: La perspectiva de un proveedor de servicios CDN
Autores: Sun, Zhiyang; Guo, Tiancheng; Luo, Shiyu; Zhuang, Yingqiu; Ma, Yuke; Chen, Yang; Wang, Xin
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Análisis de registros de solicitudes DNS de universidades en Shanghái: La perspectiva de un proveedor de servicios CDN
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Usuarios universitarios
Comportamientos de solicitudes DNS
Shanghái
China
Proveedores de servicios CDN
Registros DNS
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Entender los patrones de uso de la red de los usuarios universitarios es muy importante hoy en día. Este documento se centra en la investigación de los comportamientos de solicitudes DNS de los usuarios universitarios en Shanghái, China. Basándonos en los registros DNS de un gran número de usuarios universitarios registrados por CERNET, realizamos un análisis general del comportamiento de navegación en la red desde dos perspectivas: las características del comportamiento de los usuarios universitarios y la cuota de mercado de los proveedores de servicios CDN. También llevamos a cabo experimentos sobre los patrones de solicitudes DNS para proveedores de servicios CDN utilizando diferentes modelos de predicción. En primer lugar, para entender los patrones de acceso a Internet de los usuarios universitarios, seleccionamos las siete universidades con más solicitudes DNS y revelamos las características de los diferentes usuarios universitarios. Posteriormente, para obtener la cuota de mercado de los diferentes proveedores de servicios CDN, analizamos la situación general de la distribución del tráfico entre los diferentes proveedores de servicios CDN y su tendencia de evolución dinámica. Encontramos que Tencent Cloud y Alibaba Cloud lideran tanto en tráfico IPv4 como en IPv6. Baidu Cloud tiene cerca del 15% en tráfico IPv4, pero casi ninguna fracción en tráfico IPv6. Finalmente, para las características de los diferentes proveedores de servicios CDN, adoptamos modelos estadísticos, modelos de aprendizaje automático tradicionales y modelos de aprendizaje profundo para construir herramientas que puedan predecir con precisión el cambio en el volumen de solicitudes de solicitudes DNS. Las conclusiones obtenidas en este documento son beneficiosas para los proveedores de servicios de Internet, los proveedores de servicios CDN y los usuarios.
Descripción
Entender los patrones de uso de la red de los usuarios universitarios es muy importante hoy en día. Este documento se centra en la investigación de los comportamientos de solicitudes DNS de los usuarios universitarios en Shanghái, China. Basándonos en los registros DNS de un gran número de usuarios universitarios registrados por CERNET, realizamos un análisis general del comportamiento de navegación en la red desde dos perspectivas: las características del comportamiento de los usuarios universitarios y la cuota de mercado de los proveedores de servicios CDN. También llevamos a cabo experimentos sobre los patrones de solicitudes DNS para proveedores de servicios CDN utilizando diferentes modelos de predicción. En primer lugar, para entender los patrones de acceso a Internet de los usuarios universitarios, seleccionamos las siete universidades con más solicitudes DNS y revelamos las características de los diferentes usuarios universitarios. Posteriormente, para obtener la cuota de mercado de los diferentes proveedores de servicios CDN, analizamos la situación general de la distribución del tráfico entre los diferentes proveedores de servicios CDN y su tendencia de evolución dinámica. Encontramos que Tencent Cloud y Alibaba Cloud lideran tanto en tráfico IPv4 como en IPv6. Baidu Cloud tiene cerca del 15% en tráfico IPv4, pero casi ninguna fracción en tráfico IPv6. Finalmente, para las características de los diferentes proveedores de servicios CDN, adoptamos modelos estadísticos, modelos de aprendizaje automático tradicionales y modelos de aprendizaje profundo para construir herramientas que puedan predecir con precisión el cambio en el volumen de solicitudes de solicitudes DNS. Las conclusiones obtenidas en este documento son beneficiosas para los proveedores de servicios de Internet, los proveedores de servicios CDN y los usuarios.