Revisiting the coupon collector’s problem to unveil users’ online sessions in networked systems

Usando Redes Neurais para Reconstruir Traços de Sessões de Usuários de Sistemas de Larga Escala

“…Algoritmo 1: Correc ¸ão de trac ¸o usando RNA Conforme Cordeiro et al [Cordeiro et al 2021], a probabilidade de uma determinada amostra nula s v,t = 0 ser um falso negativo, para um usuário v, decresce com a quantidade de amostras nulas na sua vizinhanc ¸a. Com base nessa premissa, em síntese, o algoritmo avalia o entorno de cada s v,t ∈ S e obtém a probabilidade, usando a rede neural, de que uma determinada amostra nula é um falso negativo -ou seja, o usuário estaria presente no sistema mas não apareceu na amostra.…”

“…A técnica proposta foi avaliada em quatro etapas: análise de treinamento (Subsec ¸ão 4.1), análise de sensibilidade paramétrica (Subsec ¸ão 4.2), comparac ¸ão com o estado da arte (Subsec ¸ão 4.3) e estudo de caso (Subsec ¸ão 4.4). A avaliac ¸ão é baseada em alguns dos trac ¸os BitTorrent publicados por Cordeiro et al [Cordeiro et al 2021] e resumidos na Tabela 1. Os trac ¸os S1 e S2 foram escolhidos por contemplarem enxames BitTorrent pequenos (|V | <peer list enviado por rastreador), para os quais é possível afirmar que o trac ¸o é completo e, portanto, pode ser usado como ground truth.…”

“…Para fins de comparac ¸ão, o processo de correc ¸ão foi realizado empregando a técnica baseada em análise estatística [Cordeiro et al 2021]. O algoritmo foi configurado usando limiar superior de correc ¸ão igual a 0,75.…”

“…Por exemplo, algumas estac ¸ões de usuários podem não responder requisic ¸ões ICMP echo request devido a congestionamento na rede. No caso de usuários em aplicac ¸ões distribuídas, o tamanho máximo determinado para as listas em cada amostragem limita a frac ¸ão de usuários que pode ser observada em cada amostragem [Cordeiro et al 2021]. Além disso, a própria coleta das amostras é desafiadora, por envolver sistemas distribuídos de monitoramentos em uma escala tipicamente proporcional à dos sistemas monitorados.…”

“…Recentemente, Cordeiro et al [Cordeiro et al 2021] aprofundaram investigac ¸ões em um método estatístico baseado em processos de Bernoulli para regenerar trac ¸os de sessões de usuários em sistemas distribuídos de larga escala. Em resumo, o estudo concentra-se em uma técnica que (i) estima a probabilidade de que o sistema de monitoramento falhou em "capturar" cada usuário online em cada fatia de tempo do monitoramento e (ii) corrige o dataset caso a probabilidade de falha exceda um determinado limiar.…”