Vai al contenuto| Home page|

   Ti trovi in: HOME »Programmi, progetti e risultati »I progetti »PRIN - Programmi di ricerca di Rilevante Interesse Nazionale»Programma di ricerca»Unità di ricerca
INIZIO_TESTO_DA_INDICIZZARE

UNITA' DI RICERCA

italiano - english
Bibliografia
[1] G. Araniti, P. De Meo, A. Iera, and D. Ursino. Adaptively controlling the QoS of multimedia wireless applications through user profiling techniques. IEEE Journal on Selected Areas in Communications, 21(10):1546–1556, 2003.
[2] F. Buccafurri, T. Eiter, G. Gottlob, and N. Leone. Enhancing model checking in verifi- cation by ai techniques. Artificial Intelligence, 112:57–104, 1999.
[3] F. Buccafurri, T. Eiter, G. Gottlob, and N. Leone. Combining abduction and model checking techniques for repair of concurrent programs. In Proc. of the 2001 AAAI Spring Symposium Series, pages 101–104. AAAI Press, 2001.
[4] F. Buccafurri, T. Eiter, G. Gottlob, and N. Leone. On ACTL formulas having linear counterexamples. Journal of Computer and System Sciences, JCSS, 62:463–515, 2001.
[5] F. Buccafurri, W. Faber, and N. Leone. Disjunctive logic programs with inheritance. Theory and Practice of Logic Programming (TPLP), 2(3):239–321, 2002.
[6] F. Buccafurri, F. Furfaro, Domenico Saccà, and C. Sirangelo. A quad-tree based multiresolution approach for two-dimensional summary data. In Proc. of the IEEE SSDBM 2003, pages 127–137, 2003.
[7] F. Buccafurri and G. Gottlob. Multiagent compromises, joint fixpoints, and stable models. In Computational Logic: Logic Programming and Beyond, pages 561–585. Springer- Verlag, 2002.
[8] F. Buccafurri, S. Greco, and Domenico Saccà. The expressive power of unique total stable model semantics. In Proc. of the ICALP 97, pages 849–859, 1997.
[9] F. Buccafurri, G. Lax, D. Rosaci, and D. Ursino. A user behavior-based agent for improving web usage. In Proc. of CoopIS/DOA/ODBASE 2002, pages 1168–1185. Springer, 2002.
[10] F. Buccafurri, N. Leone, and P. Rullo. Stable models and their computation for logic programming with inheritance and true negation. The Journal of Logic Programming, 27(1):5–43, 1996.
[11] F. Buccafurri, N. Leone, and P. Rullo. Semantics and expressiveness of disjunctive ordered logic. Annals of Mathematics and Artificial Intelligence, 25(3-4):311–337, 1999.
[12] F. Buccafurri, N. Leone, and P. Rullo. Enhancing disjunctive datalog by constraints. IEEE Transactions on Knowledge and Data Engineering, 12(5):845–860, 2000.
[13] F. Buccafurri, L. Pontieri, D. Rosaci, and Domenico Saccà. Improving range query estimation on histograms. In Proc. of the IEEE ICDE’02, pages 628–638, 2002.
[14] F. Buccafurri, D. Rosaci, G. Sarnè, and L.Palopoli. A system implementing cooperation in multi-agent networks. AI*IA notizie, pages 26–28, 2001.
[15] F. Buccafurri, D. Rosaci, G. Sarnè, and L.Palopoli. Finding the Best Agents for Cooperation. Springer-Verlag, 2003.
[16] F. Buccafurri, D. Rosaci, G. Sarnè, and L.Palopoli. Modeling cooperation in multi-agent communities. Special Issue of The Cognitive System Research Journal on Intelligent Agents for Cognitive Systems, 2003.
[17] F. Buccafurri, D. Rosaci, G. Sarnè, and L. Palopoli. Spy: A multi-agent model yielding semantic properties. In Proc. the IAT-2001, pages 44–53, 2001.
[18] F. Buccafurri, D. Rosaci, G. M. L. Sarnè, and D. Ursino. An agent-based hierarchical clustering approach for e-commerce environments. In Proc. of the Third Int. Conf. on E-Commerce and Web Technologies, pages 109–118. Springer-Verlag, 2002.
[19] Francesco Buccafurri and Gianluca Lax. Reducing data stream sliding windows by cyclic tree-like histograms. In Proc. of the PKDD, pages 75–86, 2004.
[20] Francesco Buccafurri and Gianluca Lax. Tls: A tree-based DHT lookup service for highly dynamic networks. In Proc. of the Confederated Int. Conf.s DOA, CoopIS and ODBASE, pages 563–580, 2004.
[21] J.R. Burch, E.M. Clarke, K.L. McMillan, D.L. Dill, and J. Hwang. Symbolic model checking: 10120 states and beyond. Information and Computation, 98(2):142–170, 1992.
[22] E.M. Clarke, E.A. Emerson, and A.P. Sistla. Automatic verification of finite-state concurrent systems using temporal logic specifications. ACM Transactions on Programming Languages and Systems, 8(2):244–263, 1986.
[23] P. De Meo, A. Garro, G. Terracina, and D. Ursino. X-Learn: an xml-based, multi-agent system for supportino “user-device” adaptive e-learning. In Proc. of ODBASE, pages 739–756, 2003.
[24] P. De Meo, J. Mbale, G. Terracina, and D. Ursino. An xml-based multi-agent system for the user-oriented management of qos in telecommunications networks. In Proc. of IAT 2003, pages 96–102, Halifax, Nova Scotia, Canada.
[25] P. De Meo, J. Mbale, G. Terracina, and D. Ursino. XICOMASQ: an XML-based Information Content Oriented Multi-Agent System for QoS management in telecommunications networks. WIAS, 2(1):55–70, 2004.
[26] P. De Meo, D. Rosaci, G.M.L. Sarnè, G. Terracina, and D. Ursino. An XML-based adaptive multi-agent system for handling e-commerce activities. In Proc. of ICWSEurope’ 03, pages 152–166, Erfurt, Germany.
[27] Guozhu Dong, Jiawei Han, Laks V. S. Lakshmanan, Jian Pei, HaixunWang, and Philip S. Yu. Online mining of changes from data streams: Research problems and preliminary results. In Proc. of the 2003 ACM SIGMOD Workshop on Management and Processing of Data Streams, 2003.
[28] M.N. Garofalakis, J. Gehrke, and R. Rastogi. Querying and mining data streams: You only get one look (tutorial). In Proc. of SIGMOD, page 635, 2002.
[29] D. Gurer, V. Lakshminarayan, and A. Sastry. An intelligent agent-based architecture for the management of heterogeneous networks. In Proc. of DSOM, Newark, USA, 1998.
[30] Kirsten Hildrum, John D. Kubiatowicz, Satish Rao, and Ben Y. Zhao. Distributed object location in a dynamic network. In Proc. of the fourteenth annual ACM symposium on Parallel algorithms and architectures, pages 41–52. ACM Press, 2002.
[31] M. Laukkanen, H. Helin, and H. Laamanen. Supporting nomadic agent-based applications in FIPA agent architecture. In Proc. of AAMAS’02, pages 1348–1355, Bologna, Italy, 2002.
[32] P. Misikangas, M. Makela, and K. Raatikainen. Predicting QoS for nomadic applications using intelligent agents. In Agent Technology for Communication Infrastructures, chapter 15, pages 197–208. 2001.
[33] K. Nygren, I. Jonsson, and O. Carlvik. An agent system for media on demand services. In Proc. of PAAM’96, London, England (UK).
[34] L. Palopoli, D. Rosaci, G. Terracina, and D. Ursino. Supporting user-profiled semantic web-oriented search. In Proc. of CIA 2001, pages 26–31, Modena, Italy.
[35] L. Palopoli, G. Terracina, and D. Ursino. A plausibility description logics for handling information sources with heterogeneous data representation formats. Annals of Mathematics and Artificial Intelligence, 39(4):385–430, 2003.
[36] S. Ratnasamy, P. Francis, M. Handley, R. Karp, and S. Schenker. A scalable contentaddressable network. In Proc. of the 2001 Conf. on Applications, Technologies, Architectures, and Protocols for Computer Communications, pages 161–172. ACM Press.
[37] D. Rosaci. A model of agent ontologies for B2C E-Commerce. In Proc. of ICEIS 2004, Oporto, Portugal, 2004.
[38] D. Rosaci, G.M.L. Sarnè, and D. Ursino. A multi-agent model for handling e-commerce activities. In Proc. of IDEAS’02, pages 202–211, Edmonton, Alberta, Canada.
[39] Antony I. T. Rowstron and Peter Druschel. Pastry: Scalable, decentralized object location, and routing for large-scale peer-to-peer systems. In Proc. of the IFIP/ACM Int. Conf. on Distributed Systems Platforms Heidelberg, pages 329–350. Springer-Verlag, 2001.
[40] I. Stoica, R. Morris, D. Karger, M. Frans Kaashoek, and H. Balakrishnan. Chord: A scalable peer-to-peer lookup service for internet applications. In Proc. of ACM SIGCOMM 2001, pages 149–160.
[41] K. Trzec and D. Huljenic. Intelligent agents for QoS management. In Proc. of AAMAS’02, pages 1405–1412, Bologna, Italy.
[42] D. Ursino, D. Rosaci, G.M.L. Sarnè, G. Terracina, and D. Ursino. An agent-based approach for managing e-commerce activities. International Journal of Intelligent Systems, 19(5):385–416, 2004.

Programma di ricerca

Tecniche per la diagnosi, valutazione e adattività per la qualità del servizio nei sistemi informativi (QuaDRAnTIS)
Università di riferimento
Università degli Studi "Mediterranea" di REGGIO CALABRIA - INFORMATICA, MATEMATICA, ELETTRONICA E TRASPORTI - REGGIO CALABRIA(RC)
Responsabile dell'Unità di ricerca
Francesco Antonio BUCCAFURRI
Descrizione
La ricerca dell'Unità è organizzata in due linee principali:
A. Gestione adattativa e soggettiva della Qualità del Servizio nella trasmissione.
B. Monitoraggio della QoS: negoziazione, diagnosi e infrastrutture P2P.

La collaborazione dell'Unità con le altre componenti appare vantaggiosa per il successo del progetto, dato che le linee di ricerca sono complementari sebbene, allo stesso tempo, siano fortemente correlate con quelle seguite dagli altri partecipanti. Infatti, si può garantire la QoS globale solo tenendo in considerazione anche la QoS di rete. Inoltre, l'infrastruttura P2P rappresenta la base su cui l'attività di diagnosi (attuata da altre Unità del progetto) è svolta in maniera efficace ed affidabile.

LINEA DI RICERCA A

MODELLAZIONE DELLE ENTITÀ (Attività 1, Task 1.1 del programma coordinato)
Questa attività riguarda la definizione dei modelli adottati per ciascuna entità rilevante del sistema informativo, ovvero utente, provider, dispositivo e rete, in modo tale che ad ognuna di esse possa essere associato un profilo che può essere utilizzato per la gestione della QoS della trasmissione. Allo scopo di rendere i profili dinamici e capaci di adattarsi ai rapidi cambiamenti del sistema, sarà adottata la tecnologia ad agenti. Così, per ciascun profilo viene associato un agente responsabile della sua creazione e gestione.

MODELLO DELL'UTENTE
Gli utenti saranno modellati rappresentando il loro uso effettuato nel passato delle risorse della rete. In particolare, il modello deve consentire di differenziare le tipologie di risorse (per esempio audio, video, etc.) e l'importanza che l'utente ha manifestato per ciascuna di esse. Pertanto, il modello potrebbe incorporare informazioni relative sia a contenuti di suo interesse che alle modalità con cui si è avuto accesso in passato alle risorse. Oltre agli attributi abitualmente utilizzati potrebbero essere rilevanti le informazioni riguardanti le visite. Inoltre, si dovrebbero tenere in considerazione le informazioni inerenti gli accessi alla rete effettuati dall'utente, affinchè tali informazioni siano correlate alle specifiche caratteristiche dei mezzi di trasmissione. Ad esempio, nel caso del video, si dovrebbero considerare la risoluzione media orizzontale e verticale richiesta nel passato, la crominanza e la luminanza media e il frame rate medio.

MODELLO DEL PROVIDER
Un provider può essere modellato rappresentando, per ciascun contenuto informativo che fornisce, un insieme di attributi descrittivi ed un identificatore.

MODELLO DEL DISPOSITIVO
Il profilo del dispositivo deve memorizzare le sue caratteristiche, come la banda massima che il dispositivo può garantire per accedere o scaricare dati dalla rete, il prezzo per byte, etc.

MODELLO DELLA RETE
Il modello della rete dovrebbe consistere di due componenti detti gestione utente e gestione rete. La componente gestione utente viene associata ad un utente e la sua funzione è mantenere informazioni riguardanti la banda massima e minima richiesta così come la banda attualmente assegnata all'utente. La componente gestione rete mantiene invece informazioni circa la banda totale disponibile, la banda attualmente allocata e, infine, la banda media allocata agli utenti nel passato.

LINEA DI RICERCA B

RILEVAZIONE DELLA QUALITA' (Attività 3, Task 3.1)
Allo scopo di definire la QoS in una rete partiremo dalla seguente osservazione: quando si verifica un decadimento delle prestazioni sulla rete, le possibilità sono: (i) ridurre la qualità dell'informazione trasmessa, (ii) rinunciare ad un mezzo trasmissivo, mantenendo gli altri invariati, (iii) ridurre i contenuti informativi trasmessi, eliminando quelli che appaiono meno interessanti per l'utente (si considererà anche la possibilità di comprimere i contenuti informativi meno interessanti). Di conseguenza, la QoS nella rete può essere modellata attraverso una media pesata tra una componente soggettiva ed una oggettiva. La componente oggettiva dipende unicamente dalle caratteristiche della rete di trasmissione; in particolare, può essere definita considerando che: (i) la QoS è direttamente proporzionale alla banda disponibile; (ii) è strettamente legata alle caratteristiche del dispositivo impiegato; (iii) è influenzata negativamente dal decadimento di qualità imposto dalla rete. La componente soggettiva effettua una media tra (1) il livello di preferenze dell'utente sui mezzi trasmissivi, e (2) quello che riguarda i contenuti informativi. Pertanto, tale componente tiene conto (1) delle frazioni di banda video, audio e dati che l'utente ha richiesto e il sistema può garantire; dell'importanza che l'utente attribuisce al video, all'audio ed ai dati (valutata in base alla degradazione precedentemente accettata). Inoltre (2) si assume che: l'interesse da parte di un utente nei confronti di un dato contenuto informativo può essere misurato attraverso la durata di fruizione dello stesso, è proporzionale al numero di accessi e vale il principio di località negli accessi.

STRATEGIE DI GESTIONE DEI GUASTI (Attività 3, Task 3.1)

RILEVAZIONE DEI GUASTI
La rilevazione dei guasti sulla rete può essere realizzata attraverso un continuo monitoraggio volto ad individuare possibili guasti e/o riparazioni effettuate. Ogni volta che viene rilevata una variazione dello stato della rete, è necessario ri-negoziare l'allocazione delle risorse. L'Unità di Ricerca, sulla scorta della propria esperienza scientifica, intende valutare due diverse tecniche per fronteggiare il problema della rilevazione dei guasti: (1) il Model Checking e (2) l'analisi approssimata on-line di stream di dati.
In relazione al punto (1), il nostro obiettivo è valutare la possibilità di applicare i risultati ottenuti in [6, 4, 5], allo scopo di rilevare il guasto come un fallimento di una formula di logica temporale (come ACTL, LTL, ecc.) sui path di computazione di un automa a stati finiti. Infatti può essere usato un controesempio [6] come tracciato di fallimento utile alla determinazione della causa del guasto. In relazione al punto (2), si prevede di studiare l'applicabilità delle tecniche di compressione basate su istogrammi [15, 8] per l'analisi di dati che pervengono continuamente da sensori, allo scopo di estrarre informazione rilevante ai fini della diagnosi.

GESTIONE DEI CAMBIAMENTI E NEGOZIAZIONE
La gestione dei cambiamenti consiste principalmente nel ridistribuire agli utenti le risorse, secondo la disponibilità corrente. Essa ha lo scopo sia di rendere la distribuzione sulla rete compatibile con il nuovo stato della stessa che di massimizzare la soddisfazione dell'utente. Tale compito si compone di due attività denominate Media Typology Negotiation e Content-based Negotiation.

MEDIA TYPOLOGY NEGOTIATION
Tale compito può essere realizzato per mezzo di un Media Negotiator Agent, che è sia attivato al verificarsi di un guasto che informato sullo stato della rete da parte del Fault Agent. In seguito, esso verifica se le attuali disponibilità di rete sono sufficienti per garantire a tutti gli utenti la QoS precedentemente assegnata. In caso negativo, prima il Media Negotiator Agent distribuisce tra tutti gli utenti la riduzione di banda dovuta alla presenza del guasto; successivamente, determinata la nuova banda per ogni utente, viene attivata la negoziazione con ciascuno di essi. In questo stadio saranno considerati il profilo utente, le sue richieste massime e minime, l'allocazione e la prenotazione di banda correnti, per determinare la migliore proposta che gli sarà presentata durante la negoziazione; tale proposta potrebbe presumibilmente essere ottenuta calcolando la funzione obiettivo di un opportuno problema di ottimizzazione. Dopo che è stata individuata una nuova distribuzione delle risorse, l'agente calcola i corrispondenti valori dei parametri di QoS ad alto livello e li notifica all'utente che può accettarli o rifiutarli. Se i nuovi valori sono accettati, il Media Negotiator Agent attiva un Resource Agent cui comunica tutti i cambiamenti sulla distribuzione delle risorse di rete che devono essere effettuati.

CONTENT-BASED NEGOTIATION
Questa negoziazione è simile a quella precedente. La principale differenza sta nel fatto che, dopo aver distribuito tra gli utenti la riduzione di banda dovuta alla presenza del guasto, viene attivata una negoziazione che tiene in considerazione i contenuti informativi presenti nel profilo dell'utente. Più specificatamente, il Content Negotiator Agent richiede il profilo di ciascun utente all'agente corrispondente e, successivamente, determina l'insieme dei contenuti informativi cui egli sta correntemente accedendo. In seguito, dovrebbe selezionare quei contenuti informativi (correntemente acceduti) le cui richieste complessive possono essere soddisfatte dalle disponibilità di banda correnti e che, nel medesimo tempo, massimizzano la soddisfazione dell'utente. Noi pensiamo di formalizzare tale attività come un problema di Knapsack.

MODELLI DI NEGOZIAZIONE CHE CONSENTONO SPECIFICHE COMPLESSE
Sarà inoltre considerata la possibilità di gestire una specificazione complessa delle richieste degli utenti e dei fornitori. In questo caso, possono essere utilmente adottati linguaggi di rappresentazione della conoscenza al fine di implementare dei protocolli di negoziazione flessibili. Il linguaggio che pensiamo di adattare a questo contesto è COLP (Compromise Logic Programming) [9], un linguaggio capace di esprimere sia le richieste che i consensi di differenti agenti, rappresentando ciascun agente mediante un programma COLP. La semantica Joint Fixpoint definita per COLP consente di trovare un accordo tra tutti gli agenti della comunità. A nostro avviso, la possibilità di esprimere non solo richieste condizionate (mediante delle regole logiche) ma anche consensi condizionati, è particolarmente interessante nella definizione della QoS, dove richieste differenti possono essere generalmente correlate in modo complesso. I consensi rappresentano caratteristiche non richieste ma accettate (se supportate da altre richieste).

Le strategie di monitoraggio e negoziazione precedentemente descritte saranno implementate e testate nell'Attività 4, Task 4.2.

INFRASTRUTTURE P2P PER LA DIAGNOSI (Attività 3, Task 3.2)
Questo compito riguarda la definizione di una infrastruttura P2P per immagazzinare i dati di diagnosi provenienti sia dal monitoraggio del singolo servizio che dall'esecuzione dell'intero processo. L'utilizzo di una infrastruttura P2P è particolarmente utile se si considera lo scenario dinamico tipico dell'esecuzione di servizi. Ciascun peer collezionerà informazioni diagnostiche di un singolo servizio o di un insieme di servizi, e questi dati potranno essere scambiati dai nodi dell'infrastruttura P2P. Se un servizio cessa di funzionare, l'approccio P2P eviterà che i dati siano presenti solo sul peer del servizio e che potrebbe a sua volta guastarsi. Invece, tali dati potrebbero essere distribuiti tra i peer dell'infrastruttura di analisi della qualità ed essere disponibili nel caso un peer si guasti. L'approccio P2P dovrebbe essere guidato da criteri di scalabilità ed affidabilità: una infrastruttura di diagnosi centralizzata non è scalabile ed inoltre, nel caso in cui il centro di diagnosi si guasti, i dati diverrebbero inutilizzabili. Un approccio distribuito, cioè peer-to-peer, può migliorare la scalabilità e la fruibilità dell'infrastruttura di analisi della qualità. Come già detto, l'ambiente nel quale utilizziamo l'approccio P2P è altamente dinamico, per cui un aspetto cruciale da considerare riguarda la complessità delle operazioni di connessione/disconnessione/fallimento dei peer. Per affrontare tale problema intendiamo utilizzare tecniche P2P basate su DHT (tabelle hash distribuite). Dato che il bilanciamento uniforme del carico di traffico dei peer porta ad un costo poli-logaritmico per le operazioni di connessione/disconnesione di un peer, un approccio percorribile consiste nel rinunciare all'ambizione di avere una piena uguaglianza tra i peer e andare verso una soluzione basata su un certo grado di squilibrio di carico. La nostra strategia DHT è perciò basata su una organizzazione logica dei peer in un albero binario. Le strategie di connessione e disconnessione dei peer mirano a massimizzare il bilanciamento dell'albero. La struttura ad albero è tale per cui nei livelli più bassi sono ubicati i peer connessi al sistema più di recente. Tale approccio implementa una rete logica tra i peer utilizzata per la condivisione dei servizi offerti da ciascun peer. Come avviene solitamente, è necessario fornire una certa ridondanza delle connessioni per incrementare la tolleranza ai guasti della rete. Nel nostro caso, la quantita minima di informazione aggiuntiva richiesta per ciascun nodo è l'indirizzo IP del nodo padre e dei due nodi figli. Le chiavi, indicizzate dalle DHT, sono mappate attraverso un'opportuna funzione hash, con i nodi foglia che avranno presumibilmente un tempo di vita maggiore dei nodi non foglia essendo quelli più recentemente connessi al sistema. La ricerca di un servizio S è effettuata partendo dal nodo foglia mappato dalla chiave di S e risalendo da un nodo al nodo padre. Tale approccio permette di ridurre a logaritmico il costo degli algoritmi di connessione e disconnessione dei peer, e cio e' rilevante nei contesti molto dinamici quali i sistemi informativi mobili.

L'infrastruttura P2P precedentemente descritta sarà progettata per il case study (Attività 4, Task 4.1) e implementata nel dimostratore (Attività 4, Task 4.2).

FASI E RISULTATI ATTESI

Fase 1
Specifica funzionale e di qualità per la modellazione di e-Service (Attività, Task 1.1).
Deliverable: contributo a R 1.1

Fase 2
Monitoraggio e diagnosi di guasti nell'esecuzione di e-Service (Attività 3, Task 3.1) ed analisi di qualità di supporto all'infrastruttura (Attività 3, Task 3.2).
Deliverable: contributi a R 3.1 (con la descrizione degli algoritmi, dei linguaggi e dei modelli utilizzati per gestire il monitoraggio della QoS di rete e la ridistribuzione delle risorse) e R 3.2 (con la descrizione della strategia di ricerca in ambiente P2P utilizzata per sviluppare l'infrastruttura)

Fase 3
Definizione dell'architettura dell'ambiente di diagnosi, sviluppo iniziale di prototipi (Attività 3, Task 3.1 e Task 3.2) e case study (Attività 4).
Deliverable: contributi a P 3.1 (con l'implementazione iniziale degli approcci descritti dall'Unità in R 3.1), P 3.2 (con l'implementazione iniziale degli approcci descritti dall'Unità in R 3.2), P 4.2 (con l'implementazione dell'approccio per la gestione della Qos di rete e dell'infrastruttura P2P) e R 4.1 (con la descrizione dell'applicazione al case study sia dell'approccio di gestione della QoS che dell'infrastruttura P2P).

Fase 4
Realizzazione e test dei prototipi il cui sviluppo è iniziato nella Fase 3 (Attività 3, Task 3.1 and Task 3.2).
Deliverable: contributi a P 3.1, P 3.2, P 4.2 (con il completamento dell'implementazione avviata nella Fase 3 e la validazione dei prototipi).