QoS Performance Measurement Through SRv6 Network Programming for Smart City IoT Traffic
Notice bibliographique
Résumé
Segment Routing over IPv6, also known as SRv6, is a modern networking solution that aims to improve the current Internet of Things (IoT) network's reliability, availability, and scalability.Performance measures are required to evaluate SRv6 behaviors or functions.The proposed work aims to provide real IoT traffic profiles to assess the performance of SRv6 behaviors.In particular, a three-module SRv6 programming model is proposed to measure the performance of SRv6 policy headend and endpoint behavior and ensure reliability and quality of service (QoS).Moreover, a novel finder algorithm for maximum receive rate (MRR) benchmarking is proposed, which can outperform existing techniques in terms of throughput/bandwidth performance while maintaining the same computational resources.Finally, implementation results provide insights into forwarding different IoT use-cases traffic based on the functional service requirements.That also ensures a higher usage level of existing IoT networks, minimizing the need for additional capacity and lowering network costs.I want to express my special gratitude to my supervisor, Prof. Mohamed Ibnkahla, who allowed me to become a part of the Sensor Systems and Internet of Things (IoT) laboratory.I am incredibly grateful to him for providing me with academic and generous financial support throughout the road to finishing this thesis.I would also like to extend my warm thanks to Dr. Abdelrahman Eldosouky for his excellent suggestions and advice that have helped me to improve the quality of the thesis.My utmost thanks go to all the colleagues in our lab
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».