Торошанко, ОлександрОлександрТорошанко0000-0002-3231-6750Щебланін, ЮрійЮрійЩебланін2026-03-172026-03-172023-03-29Торошанко, О., Щебланін, Ю. (2023). COMPARATIVE ANALYSIS OF THE EFFECTIVENESS OF TELECOMMUNICATION NETWORK OVERLOAD DETECTION SCHEMES. Information systems and technologies security, 1(6), 70–77. https://doi.org/10.17721/ISTS.2023.1.70-7710.17721/ISTS.2023.1.70-77https://ir.library.knu.ua/handle/15071834/12605The scheme of congestion detection and regulation of input data flow based on the analysis of the sensitivity function of the telecommunication network performance is considered. The gradient of the sensitivity function characterizes the rate of change of this function and provides the optimal direction for adjusting the speed of the data source. To determine the sensitivity function, the use of a simple neural network model of a dynamic system is proposed. Determination of the gradient on the current value of the sign of the sensitivity function of the performance indicator is based on the algorithm of additive increase / multiple decrease. This algorithm is an alternative to the system of overload prediction and flow control, based on the control of the current value of the queue in comparison with a given threshold. The neural model for multi-step prediction of the queue state on the side of the telecommunication network receiver is considered. The results of comparative analysis of congestion control methods based on queue length analysis and sensitivity analysis with 1-step and 3-step horizons predicting network status are presented. The study was conducted for sinusoidal function of the narrow queue. It is shown that the key performance indicators for the sensitivity function-based scheme are better than for the queue length analysis scheme. The queue size-based scheme is more sensitive to changes in queue maintenance speed, and data source speed fluctuations are less sensitive for the sensitivity-based scheme. For systems based on sensitivity function analysis, a 3-step horizon predictor provides better performance and a smaller maintenance queue than a 1-step horizon scheme.Розглянуто схему виявлення перевантажень і регулювання вхідного потоку даних на основі аналізу функції чутливості продуктивності телекомунікаційної мережі. Градієнт функції чутливості характеризує швидкість зміни цієї функції і надає оптимальний напрямок для налаштування швидкості джерела даних. Для визначення функції чутливості запропоновано використання простої нейронної мережної моделі динамічної системи. Визначення градієнта за поточним значенням знаку функції чутливості показника продуктивності здійснюють на основі алгоритму адитивного збільшення/множинного зменшення. Указаний алгоритм є альтернативою системи прогнозування перевантаження і керування потоком, заснованої на контролі поточного значення величини черги порівняно із заданим порогом. Розглянуто нейронну модель для багатокрокового передбачення стану черги з боку приймача телекомунікаційної мережі. Запропоновано й обґрунтовано схему багатокрокового передбачення стану черги. Для передбачення та завчасного виявлення перевантаження використано апарат загальної теорії чутливості з непрямим зворотним зв'язком та керуванням активністю джерел повідомлень. Результати цієї теорії застосовано для побудови системи керування з непрямим зворотним зв'язком, що дозволяє економити канальний та обчислювальний ресурси. Представлено результати порівняльного аналізу способів контролю перевантаження на підставі аналізу довжини черги і на основі аналізу показника чутливості з 1-кроковим та 3-кроковим горизонтами передбачення стану мережі. Дослідження проведено для синусоїдальної функції вузького місця черги. Показано, що ключові показники ефективності для схеми на основі функції чутливості кращі, ніж для схеми на основі аналізу довжини черги. Схема на основі аналізу розміру черги чутливіша до змін у швидкості обслуговування черги, а коливання швидкості джерела даних менші для схеми на основі чутливості. Для систем на основі аналізу функції чутливості схема з 3-кроковим горизонтом передбачення стану забезпечує кращу продуктивність і меншу величину черги на обслуговування ніж схема з 1-кроковим горизонтом.uktelecommunication networkcongestion forecastingsensitivity functiongradientneural systemqueue managementprediction horizonтелекомунікаційна мережапрогнозування перевантаженняфункція чутливостіградієнтнейронна системакерування чергоюгоризонт передбаченняСтаття