Applying the Linear Neural Network to TCP Congestion Control

Abstract

Abstract. The previous TCP protocol cannot predict congestion. Only when the sender receives more than three acknowledgements or the retransmission timer is out can it realize that congestion has occurred. We train the linear neural network by using round-trip time and current TCP throughput as its inputs. As a result, we get the decision boundary, which could predict whether the current network is in congestion or not. Simulation results show that, when applied to TCP congestion control, it can effectively predict the occurrence of congestion, so congestion window could make adjustments as soon as possible to reduce the probability of congestion collapse.

Controle de congestionamento do TCP usando o algoritmo K-Means

“…O IPERF é uma ferramenta utilizada em análise de redes de computadores, pois permite a geração de tráfego e análise da qualidade de um enlace e principalmente a possibilidade de alterar o tipo de algoritmo de controle de congestionamento. Tendo como referência os trabalhos de Geurts, Khayat e Leduc [9], Lim e Jang [10] e Lei [11], foram definidos os dados de RTT (Round-Trip Time), Variação do RTT (RTT_dev) e número de mensagens de ACK duplicados (DupAck) para serem os discriminantes de condições de tráfego sujeito a congestionamento ou à elevada taxa de erros. O parâmetro de throughput foi coletado como um verificador de desempenho, após as alterações dinâmicas do tipo de TCP a ser adotado.…”