Kürzlich wurde unser Artikel mit dem Titel „Modeling Network Load of Mobile Instant Messaging: A Modular Source Traffic Generator“, der von unserem Lehrstuhl in Zusammenarbeit mit Forschern der Universität Würzburg verfasst wurde, in das Band der Zeitschrift IEEE Transactions on Network and Service Management aufgenommen. In diesem Artikel wird untersucht, wie der Datenverkehr von Mobile Instant Messaging (MIM) effektiv modelliert werden kann, um die Netzwerkplanung zu unterstützen. Apps wie WhatsApp ermöglichen zwar den weltweiten Austausch von Text-, Bild-, Video- und Sprachnachrichten, verursachen jedoch eine hohe Netzwerkbelastung, insbesondere in Gruppenchats. Die End-to-End-Verschlüsselung verhindert die direkte Beobachtung des Nachrichtenflusses und erfordert daher alternative Modellierungsansätze. Wir stellen einen modularen Ansatz zur Quelldatenverkehrsmodellierung (Source Traffic Modeling, STM) für MIM vor, der dessen Schlüsselkomponenten identifiziert und Lücken durch Untersuchungen zu Kommunikationsmustern, Kontaktnähe, Medienkomprimierung und Dateigrößenverteilungen schließt. Durch die Kombination von Literatur und empirischen Daten wird das STM-Framework implementiert und zur Schätzung des täglichen Netzwerkverkehrs pro Benutzer verwendet. Diese Forschung zeigt, wie eine strukturierte Verkehrsmodellierung das Verständnis des Netzwerks verbessern und als Leitfaden für die zukünftige Netzwerkgestaltung für verschlüsselte MIM-Dienste dienen kann.

Paper: Fabian Poign´ee, Anika Seufert, Frank Loh, Michael Seufert, Tobias Hoßfeld. "Modeling Network Load of Mobile Instant Messaging: A Modular Source Traffic Generator." IEEE Transactions on Network and Service Management Journal.

Link zum Paper:  Modeling Network Load of Mobile Instant Messaging: A Modular Source Traffic Generator