MétaCan
Menu
Retour à la cohorte
Enregistrement W1529853583 · doi:10.1049/iet-com.2011.0196

Unveiling popularity of BitTorrent Darknets

2012· article· en· W1529853583 sur OpenAlexaff
Xiao Chen, Xiaowen Chu, J. Liu

Notice bibliographique

RevueIET Communications · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueCaching and Content Delivery
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésBitTorrentPopularityBitTorrent trackerUploadComputer scienceIncentiveInternet privacyComputer securityComputer networkPeer-to-peerWorld Wide WebLawArtificial intelligencePolitical science

Résumé

récupéré en direct d'OpenAlex

BitTorrent is todays most influential peer-to-peer content distribution system. Currently BitTorrent has two very different operating models: (i) public trackers, and (ii) private trackers (a.k.a. PTs, Darknets). A PT can only be accessed by its registered users, and can provide ultrahigh downloading speed because of its effective share-ratio enforcement (SRE) incentive mechanism which stimulates the users to upload contents as much as possible. Although PTs are becoming more and more popular, they receive little attention from the research literature, possibly because they are operated underground. To understand the popularity of Darknets, the authors have traced 17 PT sites, 2 public tracker sites and 1 BitTorrent search engine for over a year. The authors investigate these PT sites from several aspects and try to understand why they are so successful in terms of attracting loyal users and providing high downloading speed. The authors then analyse the SRE mechanism and ratio free system which are commonly used by PTs. Our results unveil the reason of popularity and effectiveness of PTs. These understandings are essential to the sustainable development of future BitTorrent content distribution systems.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,067
Tête enseignante GPT0,301
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET CommunicationsMême sujetCaching and Content DeliveryTravaux en français237 207