iSim: uma estratégia de agrupamento de usuários para descarregamento de dados em redes móveis centradas na informação

Abstract

A densificação de redes, através da adição de estações secundárias, tem sido vislumbrada como uma das alternativas adotadas pelas operadoras de telefonia para aumentar a cobertura do serviço e atender às demandas de tráfego locais, com o intuito de melhorar o tempo de resposta aos usuários e alcancar descarregamento de dados (do inglês, data offloading). Tais propósitos tem sido associados ao uso de Redes Centradas na Informação, cujo foco no conteúdo permite potencializar o serviço através do uso de cache nos equipamentos de rede para manter os conteúdos mais populares mais próximos dos consumidores finais. Trabalhos mais recentes têm sugerido o uso de técnicas cientes de contexto e de agrupamento com o objetivo de reunir usuários com base em características similares e associá-los ao cache mais apropriado. Esta dissertação apresenta a iSim, uma estratégia de cálculo de similaridade e agrupamento entre usuários baseada na diversidade e na frequência dos conteúdos requisitados. A estratégia foi aplicada a um cenário de Redes Celulares de Pequeno Porte, com uma arquitetura baseada em Redes Centradas na Informação, com o objetivo de prover descarregamento de dados. Para alcançar esse objetivo, faz-se uso do ́Índice de Jaccard e da similaridade do cosseno para determinar a afinidade entre diferentes usuários a partir da diversidade entre seus interesses por conteúdo e da frequência dos interesses em comum. Após determinar a afinidade entre os usuários, eles são agrupados e associados a um cache. A intenção é aumentar a taxa de acerto no cache local e diminuir a quantidade de requisições encaminhadas à estação central, alcançando o descarregamento. Resultados experimentais demonstram a capacidade de adaptação da estratégia proposta a diferentes cenários e evidenciam melhoras na taxa de acerto e no descarregamento de dados quando a estratégia é utilizada. Além disso, foi possível observar que quando a similaridade é baseada tanto na quantidade de conteúdos em comum quanto na frequência, as taxas de acerto e de descarregamento de dados são superiores a quando apenas um fator ́e utilizado. As demais contribuições trazidas por esta dissertação são: i) desenvolvimento do ambiente simulado envolvendo rede sem fio centrada na informação; e ii) avaliação experimental sobre os impactos da similaridade e agrupamento dos usuários e da forma de comunicação estabelecida na rede.

Network densification through small-cell addition have become an alternative adopted by mobile operators to increase service coverage and deal with local traffic. The goal is to use this solution to improve user response time and data offloading. The Information Centric Networks can help in this process by adding cache on network devices to keep the most popular content closest to final consumers. The most recent works in the area suggest the use of context-aware and clustering approaches to put similar users together and associate them to the best cache. This thesis presents iSim, a strategy to calculate similarity and group users based on frequency and diversity of user requests. We applied the solution in a Small Cell Information Centric Network to provide data offloading in a macrocell. So, we use the Jaccard Index and the Cosine Similarity in order to evaluate user similarity according to frequency and diversity of requests. Then, we group the users and associate them to a cache to increase hit ratio in local caches and decrease the requests on the macrocell. Experimental results show iSim’s adaptability to several scenarios and show the improving in data offloading and hit ratio when the strategy is used. Furthermore, we have better results when the similarity is based not only in frequency of common requests but also in the relation between content requests in common and distinct. Other contributions of this thesis are: i) development of a simulation environment involving Mobile Information Centric Network; and ii) experimental evaluation on similarity and clustering users and the communication method.