Задача оцінювання продуктивності комп'ютерних мереж та їх сегментів є однією з основних проблем формування та функціонування сучасних кампусів, освітніх просторів і корпоративних хмарних рішень. Для оцінювання продуктивності сегментів кампусової мережі на послідовності пакетів, що надходять на деякий інтерфейс мережевого пристрою, розглянуто два типи вимірювань в мережі - активні та пасивні. Мета роботи - є розробка процедури оцінювання. Для активних вимірювань - на підставі генерації в джерельному вузлі спеціальних "вимірювальних" пакетів, для пасивних - на підставі способів перехоплення характеристик реального трафіку. При розробці цієї процедури для побудови оціночних алгоритмів використано набір процедур, рекомендованих RFC відповідної тематики у поєднанні зі стандартними характеристиками структурного аналізу мережевих інфраструктур. Розроблено методику аналізу мережевих потоків у кампусних сегментах. Зроблено висновки про можливість вимірювань між будь-якими двома вузлами, або точками мережі на підставі попередніх даних про пропускну здатність окремих елементів мережі. Висновки: список параметрів і методів їх аналізу являє собою загальну оцінку ефективності сегментів в комп'ютерних мережах. При таких умовах, для аналізу і настроювання мережі необхідно знати дані про пропускну здатність окремих елементів мережі. Оскільки послідовний характер передачі даних різними елементами мережі формує загальну пропускну здатність будь-якого складового шляху в мережі такою, що вона є мінімальною з пропускних спроможностей складових елементів маршруту, то для підвищення пропускної здатності складеного шляху необхідно, в першу чергу, прискорювати самі повільні елементи.

Завдання класифікації мережевого трафіку вирішується на вузлах розподілу регіональних провайдерів, сорпоративних мережевих центрах, кампусних вузлах управління. Історично ця задача найбільш актуальна в галузі управління трафіком для підвищення ефективності використання існуючих каналів зв'язку і якості послуг, цо надаються для кінцевих користувачів. Мета дослідження - розробка підходу до вирішення у загальному вигляді задачі класифікації мережевого трафіку, а саме, одержання на вхід деяких характеристик мережевого трафіку з видачею на виході класу, до якого даний вид трафіку відноситься. Розглянуто два основні методи класифікації трафіку: класифікація на основі блоків даних (Payload-Based Classification), що грунтується на аналізі полів з блоками даних, таких як порти (Layer 4) OSI (відправник і одержувач чи обидва). Даний метод є найбільш поширеним, але не працює з зашифрованим і тунельованним трафіком; классификация на основі статистичного методу, яка грунтується на аналізі поведінки трафіку (час між пакетами, час сеансу і т. п.) та аналізі службових полів. Розроблено рекомендації щодо застосування методу рішення задачі класифікації на основі аналізу збору статистичних метрик потоку. Розглянуто альтернативний спосіб вирішення однієї з головних завдань DPI - визначення протоколу прикладного рівня - на основі дуже невеликої кількості інформації, без звірки зі списком широко відомих портів (well-known ports) і без аналізу корисного навантаження. Власне, для машинного навчання запропоновано і вибрано популярний алгоритм "Random Forest", оскільки він слабо чутливий до шумів і кореляції ознак. Висновки: на підставі огляду підходів до класифікації трафіку робляться висновки з існування великої кількості алгоритмів і підходів з різними перевагами, недоліками, що відрізняються за швидкістю обробки, області заосування і точності результатів, порівняння яких значно ускладнено через відсутність загальнодоступної бази повноцінних розмічених мережевих трас, на яких було б можливо проводити порівняння. Напрямком, що розвивається є комбінування підходів і систем класифікації в ході спроб подолання недоліків окремих підходів і використання їх переваг. Перспективою використання рішення задачі класифікації є застосування в задачі пріоритетності класів трафіку. Запропоновано визначати пріоритети класів трафіків на основі рішення багатокритеріальної задачі теорії корисності.

Забезпечення задовільного рівня якості обслуговування для абонентів кампусної мережі (КМ), підвищення значення параметрів Quality of Service і Quality of Experience є необхіднимиі для оперативного вирішення виробничих питань. Додатковий економічний ефект має поліпшення думки абонента про рівень наданих послуг. Комбінування апаратних і програмних механізмів управління трафіком в умовах з обмеженою пропускною здатністю зовнішнього каналу залежить від інтелектуалізації політик управління трафіком, засоби застосування яких розглядаються. Мета дослідження - синтез алгоритму формування політик управління трафіком КМ. Беруться до уваги умови обмеження коштів апаратного управління та зовнішнього каналу, а також фінансових лімітів, що є характерним для сучасної дослідницької структури. Управління здійснюється на основі принципів накладення динамічних фільтрів інформаційних і службових потоків, які оптимізують стан колізійних доменів і КС загалом. Розглянуто метод формування політик управління на основі комбінування критеріїв стабільності роботи мережі, виявлення та усунення внутрішньо-доменних колізій і пріоритизації класифікованого трафіку, заснованих на принципі статистичного мультиплексування інформаційних потоків. Розроблено схеми, що візуалізують базові політики управління на основі різних типів класифікації трафіку та способів діагностики колізій на 2-му та 3-му рівнях маршрутизації в стандартних мережевих моделях. На основі розв'язання задачі пріоритизації виокремлених класів даних можуть бути організовані методи управління трафіком, що показано на прикладах. Формування оцінки QoE відбувається на основі якості роботи самої мережевої послуги та функції корисності, що відображає задоволеність наданим сервісом залежно від пропускної здатності каналу зв'язку. Вирішуючи завдання оптимізації, важливо, поряд із теоретичними, важко реалізуємими в реальній мережі, алгоритмами управління, які важко реалізувати в реальній мережі, враховувати практичні засоби оптимізації, передбачені розробниками операційних систем, а також типи трафіку, що генеруються різними мережевими додатками на вузлах агрегації.