MétaCan
Menu
Retour à la cohorte
Enregistrement W4416706962 · doi:10.1109/tmc.2025.3637283

PEP-Policer: Eliminating the On-Off Traffic Pattern in PEP Over Satellite Networks

2025· article· W4416706962 sur OpenAlexaff
Zhe Chen, Lin Wang, Yue Gao

Notice bibliographique

RevueIEEE Transactions on Mobile Computing · 2025
Typearticle
Langue
DomaineComputer Science
ThématiqueNetwork Traffic and Congestion Control
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésGoodputGeostationary orbitLimitingSatelliteNetwork congestionCommunications satellite

Résumé

récupéré en direct d'OpenAlex

Performance Enhancement Proxies (PEPs) are widely used to improve TCP performance in geostationary orbit (GEO) satellite networks, which experience long RTT (approximately 500 ms). As a split TCP-based solution, PEP divides the end-to-end connection into multiple sub-connections, each independently managing its own rate control, including both congestion and flow control. This independence naturally leads to rate imbalances, manifested as an abnormal on-off traffic pattern-a phenomenon confirmed by our experimental observations in real-world GEO satellite networks. Furthermore, we demonstrate that this on-off traffic pattern not only undermines fairness but also reduces throughput, particularly for small-sized flows. To address this problem, we propose PEP-Policer, an automatic rate limiter for PEP to limit the link with higher rate to the lower one. Unlike traditional rate limiting methods that require manual configuration of the target rate, PEP-Policer employs a finite state machine to automatically determine and enforce the appropriate target rate. Moreover, as an add-on, PEP-Policer is compatible with all PEP-based solutions and can be integrated without modifying existing systems. Extensive evaluations in an emulated GEO satellite network show that PEP-Policer improves TCP's fairness and increases goodput by up to 63.0% for Cubic, 49.6% for BBR, and 88.6% for Hybla.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,008
Tête enseignante GPT0,251
Écart entre enseignants0,243 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Mobile ComputingMême sujetNetwork Traffic and Congestion ControlTravaux en français237 207