La recherche sur le trafic réseau repose sur des données de trafic à grande échelle et de haute qualité. Cependant, obtenir de telles données reste difficile en raison des contraintes de confidentialité, des coûts de collecte, du déséquilibre des classes et des mises à jour continues. Ces défis ont accru l'intérêt des chercheurs pour la génération de trafic. Bien que de nombreuses méthodes de génération aient été proposées, les études et enquêtes existantes négligent souvent deux questions clés : quelle forme de trafic est générée et quels objectifs pratiques elle peut soutenir. Sur la base de 113 enregistrements candidats publiés de 2019 à 2026, cette enquête fournit une analyse détaillée de 39 études représentatives de génération de trafic réseau à travers les prismes des niveaux de représentation et de la cohérence des objectifs. Nous organisons les méthodes existantes en quatre niveaux de représentation et analysons comment les données générées se rapportent aux scénarios d'utilisation. Nous constatons que de nombreuses méthodes préservent des informations utiles pour des tâches en aval telles que la classification et la détection d'intrusion, mais l'utilité des tâches ne garantit pas la rejouabilité ou l'utilisabilité dans des environnements réseau réels. Les représentations de haut niveau sont plus faciles à modéliser, mais elles omettent souvent la sémantique des protocoles, les dépendances des paquets et la logique de communication. Nous distinguons donc la cohérence des tâches de la cohérence des protocoles et montrons que cette dernière reste peu explorée. Nous résumons également les pratiques d'évaluation, discutons des métriques spécifiques aux niveaux et mettons en avant des directions futures incluant la génération contrôlable, la synthèse cohérente à état conscient du protocole, et l'évaluation orientée ingénierie.

Génération de trafic réseau;Niveaux de représentation du trafic;Cohérence des tâches;Cohérence des protocoles