MétaCan
Menu
Retour à la cohorte
Enregistrement W4313211025 · doi:10.3233/faia220567

Emulation of the Updated CANARIE Backbone Network Topology Under IPv6 Up to 2022

2022· book-chapter· en· W4313211025 sur OpenAlexaboutno aff
Jose-Ignacio Castillo-Velázquez, Nelly-Guadalupe Velazquez-Cruz

Notice bibliographique

RevueFrontiers in artificial intelligence and applications · 2022
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueSoftware System Performance and Reliability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmulationIPv6The InternetComputer scienceInternet backboneNetwork topologyBackbone networkComputer networkTelecommunicationsInternet accessWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The National Research and Education Networks or Advanced Networks implemented in all countries in the world are the alternative Internet to the commercial Internet which was developed for education and experimental purposes beginning with the Internet 2. Our interest is to study the CANARIE topology after 27 years of the foundation of the pan-Canadian advanced network which now interconnects all the thirteen provinces and territories in the country. In this work a connectivity and management emulation for the updated 2022 backbone topology of CANARIE was developed under IPv6 protocols. So, emulator GNS3, Wireshark, iReasoning MIB browser, Virtual Box and Kali Linux were required to emulated CANARIE backbone infrastructure using the best possible approximation with the available resources, considering that real infrastructure is overly expensive and just supported by internet service providers. Results were successful for connectivity and management tests, showing no significative changes when Canada expanded its advanced network. Emulation uses a lot of CPU and RAM resources, but it also shows some limitations for GNS3 when comparing to real bandwidth scenarios. CANARIE maintains important connections to support international projects with other advanced networks GEANT in Europe, APAN in Asia, AFRICACONNECT through GEANT and CLARA in Latin America through Internet2 in USA. Emulating is the alternative for backbone networks for characterizing advanced networks around the world which uses expensive equipment only available by the Internet Service Provider companies.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,943
Score d'incertitude au seuil0,609

Scores Codex et Gemma par catégorie

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

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 Opus0,026
Tête enseignante GPT0,261
Écart entre enseignants0,235 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in artificial intelligence and applicationsMême sujetSoftware System Performance and ReliabilityTravaux en français237 207