Available via license: CC BY 4.0
Content may be subject to copyright.
HERRAMIENTAS DE SOFTWARE PARA
SIMULACIÓN Y EMULACIÓN DE REDES DE
COMPUTADORAS: IMPLEMENTACIÓN EN
ENTORNOS DE LABORATORIO
SOFTWARE TOOLS FOR SIMULATION AND EMULATION
OF COMPUTER NETWORKS: IMPLEMENTATION IN
LABORATORY ENVIRONMENTS
Ximena del Carmen Pacheco Armijos
Universidad Técnica de Machala, Ecuador
Joffre Jeorwin Cartuche Calva
Universidad Técnica de Machala, Ecuador
Nancy Magaly Loja Mora
Universidad Técnica de Machala, Ecuador
pág. 11271
DOI: https://doi.org/10.37811/cl_rcm.v8i3.12276
Herramientas de Software para Simulación y Emulación de Redes de
Computadoras: Implementación en Entornos de Laboratorio
Ximena del Carmen Pacheco Armijos1
xpacheco1@utmachala.edu.ec
https://orcid.org/0000-0003-0941-4616
Universidad Técnica de Machala
Ecuador
Joffre Jeorwin Cartuche Calva
jcartuche@utmachala.edu.ec
https://orcid.org/0000-0002-1633-2291
Universidad Técnica de Machala
Ecuador
Nancy Magaly Loja Mora
nmloja@utmachala.edu.ec
https://orcid.org/0000-0002-5583-4278
Universidad Técnica de Machala
Ecuador
RESUMEN
Este estudio compara el simulador Cisco Packet Tracer y el emulador GNS3 en la implementación de
la topología HSRP para prácticas de redes de computadoras en entornos de laboratorio. El objetivo es
determinar cuál herramienta es más adecuada para estudiantes universitarios. El estudio se estructura
en cinco fases: búsqueda de información, selección de herramientas, configuración de la topología,
implementación en simulador y emulador, y evaluación según parámetros clave. Los resultados indican
que ambos sistemas son eficaces en la configuración y el envío de paquetes, pero difieren
significativamente en usabilidad, consumo de recursos y licenciamiento. Se concluye que Cisco Packet
Tracer es más accesible para principiantes debido a su interfaz intuitiva y bajo requerimiento de
recursos, mientras que GNS3 ofrece flexibilidad avanzada y control detallado sobre configuraciones de
red más complejas. Esta investigación proporciona una guía práctica para educadores y estudiantes al
seleccionar la herramienta más apropiada según las necesidades específicas del curso y los objetivos de
aprendizaje.
Palabras clave: simuladores, emuladores, packet tracer, GNS3, topología de red
1
Autor principal
Correspondencia: xpacheco1@utmachala.edu.ec
pág. 11272
Software Tools for Simulation and Emulation of Computer Networks:
Implementation in Laboratory Environments
ABSTRACT
This study compares the Cisco Packet Tracer simulator and the GNS3 emulator in implementing the
HSRP topology for computer network practices in laboratory environments. The objective is to
determine which tool is more suitable for university students. The study is structured into five phases:
information search, tool selection, topology configuration, implementation in simulator and emulator,
and evaluation based on key parameters. The results indicate that both systems are effective in
configuration and packet forwarding, but differ significantly in usability, resource consumption, and
licensing. It is concluded that Cisco Packet Tracer is more accessible for beginners due to its intuitive
interface and low resource requirements, while GNS3 offers advanced flexibility and detailed control
over more complex network configurations. This research provides a practical guide for educators and
students in selecting the most appropriate tool according to specific course needs and learning
objectives.
Keywords: simulators, emulators, packet tracer, GNS3, network topology
Artículo recibido 23 mayo 2024
Aceptado para publicación: 25 junio 2024
pág. 11273
INTRODUCCIÓN
La educación, como pilar fundamental del desarrollo humano, ha enfrentado desafíos significativos
debido a las perturbaciones provocadas por la crisis sanitaria mundial. En este contexto, la tecnología
ha desempeñado un papel crucial al permitir la continuidad de actividades como el trabajo y el estudio.
Específicamente, en el ámbito de las redes de computadoras, una asignatura teórico-práctica, se utilizan
diversas herramientas de simulación y emulación para fortalecer los conocimientos adquiridos en
laboratorios de clase.
Los simuladores son herramientas computarizadas que ofrecen una experiencia similar a la realización
de actividades reales (Marcano et al., 2019). En el caso de los simuladores de redes, permiten evaluar
el comportamiento y rendimiento de nuevas topologías, así como diseñar, probar, analizar y recopilar
información de las simulaciones (Zarrad & Alsmadi, 2017).
Entre los simuladores destacados se encuentra Cisco Packet Tracer, valorado por su interfaz gráfica
avanzada que facilita la configuración de enrutadores, conmutadores y dispositivos finales como
computadoras y servidores (Muniasamy et al., 2019). Por otro lado, NS-3 es un simulador de código
abierto que ofrece mejoras en el realismo del modelo y soporta programación en C++ o Python,
incluyendo el protocolo IPv6 (Polanco, 2017). OMNET++ proporciona un entorno de simulación
robusto con herramientas gráficas y de línea de comandos, ideal para la automatización de simulaciones
en escenarios específicos (Bautista et al., 2020; López Escobar et al., 2020). OPNET, desarrollado por
OPNET Technology Corporation, permite el análisis detallado de redes informáticas y de
comunicación, soportando múltiples protocolos como VoIP y IPv6 (Nie & Hu, 2019). Boson Netsim,
aunque con una curva de aprendizaje larga, ofrece virtualización de routers, switches y protocolos de
comunicación en entornos de capacitación virtual (Podsadnikov et al., 2021; Kertesz et al., 2019).
En contraste, los emuladores imitan el comportamiento de sistemas reales, utilizando imágenes de
equipos físicos para crear escenarios cercanos a la realidad (Fernandez-Berrueta et al., 2020; Veltri et
al., 2019). GNS3 permite el diseño, configuración y prueba de topologías complejas utilizando
dispositivos de red reales virtualizados (Manzoor et al., 2020; Peña et al., 2018). EVE-NG, una
tecnología basada en la nube, facilita la virtualización dinámica para simular ambientes de trabajo reales
(Tobarra et al., 2019). Mininet, enfocado en redes definidas por software (SDN), permite la
pág. 11274
configuración detallada de parámetros de red como retrasos y ancho de banda (Ibarra-Lancheros et al.,
2018).
Ante la diversidad de herramientas disponibles, surge la necesidad de evaluar su rendimiento y
características para determinar cuál proporciona la mejor experiencia de usuario tanto para estudiantes
como para docentes. Esta investigación se propuso analizar y comparar las diferencias, semejanzas,
ventajas y desventajas de estas herramientas, con el fin de orientar la selección adecuada según las
necesidades específicas de aprendizaje en el contexto educativo de redes de computadoras.
METODOLOGÍA
Se llevó a cabo una investigación exhaustiva de simuladores y emuladores de redes, incluyendo Cisco
Packet Tracer, Network Simulator – NS-3, OMNeT++, OPNET, Boson NetSim, GNS3, EVE-NG y
Mininet. Se recopiló información detallada sobre las características, capacidades y requerimientos
mínimos de instalación de cada herramienta mediante revisión de documentación oficial y estudios
previos.
Para definir la topología de red a implementar, se seleccionaron cuatro guías de práctica de laboratorio
utilizadas en las asignaturas de Tecnologías de Conmutación I y II, así como prácticas comunes de la
asignatura Gestión de Redes de la carrera de Tecnologías de la Información en la Universidad Técnica
de Machala. Estas guías proporcionaron el marco necesario para establecer los parámetros de
configuración en los simuladores y emuladores evaluados.
Se realizó una comparativa detallada entre los simuladores y emuladores considerados, resultando en
la elección de Cisco Packet Tracer como simulador y GNS3 como emulador para la implementación de
la topología definida. Esta selección se basó en criterios como facilidad de uso, soporte de dispositivos,
compatibilidad con protocolos y capacidad de simulación/emulación.
Posteriormente, se procedió a configurar y replicar la misma topología de red en Packet Tracer y GNS3.
Esto incluyó la configuración detallada de dispositivos como routers, switches y hosts, siguiendo las
especificaciones definidas en las guías de práctica y prácticas de laboratorio seleccionadas.
Una vez implementada la topología en ambas herramientas, se llevaron a cabo pruebas exhaustivas para
evaluar el funcionamiento y rendimiento de cada una. Las pruebas abarcaron aspectos críticos como la
pág. 11275
conectividad de red, capacidad de gestión de tráfico, estabilidad de la configuración y cualquier otro
parámetro relevante identificado durante la fase de diseño y planificación.
Los resultados obtenidos de las pruebas fueron analizados para comparar el desempeño de Cisco Packet
Tracer y GNS3 en términos de funcionalidad y eficiencia. Se identificaron y discutieron las fortalezas
y posibles limitaciones de cada herramienta en relación con la topología implementada y las condiciones
de prueba definidas.
RESULTADOS Y DISCUSIÓN
En la Tabla 1 se presentan las características configurables de las topologías utilizadas en las prácticas
de laboratorio de diversas asignaturas. Tras una comparación exhaustiva, la topología "HSRP" fue
seleccionada debido a su capacidad para abarcar todas las características relevantes, estableciéndose
como el foco de esta investigación, implementada tanto en la herramienta de simulación como en la de
emulación.
pág. 11276
Tabla 1: Comparativa de las Topologías de red
Topología
Configuración
básica del Switch
STP
TFTP y
FLASH
RIPv2
OSPFv2 de
área única –1
OSPFv2 de
área única – 2
CDP
LLDP
NTP
Syslog y
NTP
HSRP
Caracteriasticas
Aspectos básicos del Switch
✓
✓
✓
✓
✓
✓
Operación del Switch
✓
✓
✓
✓
✓
✓
Configuración de la VLAN 1
✓
✓
✓
✓
✓
✓
Administración de VLANs
✓
✓
✓
✓
✓
✓
Enlaces troncales
✓
✓
VTP
✓
✓
DTP
✓
✓
Depuración de enlaces troncales
✓
✓
Verificación de STP
✓
✓
Aspectos básicos del Router
✓
✓
✓
✓
✓
✓
Configuración de las interfaces
✓
✓
✓
✓
✓
✓
Respaldo y restauración de archivos de
configuración del router
✓
✓
✓
✓
✓
✓
Rutas estáticas
✓
✓
✓
✓
Rutas predeterminadas
✓
✓
✓
✓
RIPv2
✓
✓
✓
✓
✓
VLSM
✓
✓
✓
✓
Resumen de rutas
✓
✓
✓
✓
Direccionamiento IPv6
✓
✓
✓
✓
✓
Proceso EUI-64
✓
✓
✓
✓
✓
RIPng
✓
✓
✓
✓
Transición IPv4 a IPv6 (Doble Pila)
✓
✓
✓
✓
OSPFv2
✓
✓
✓
✓
✓
CDP
✓
✓
✓
✓
✓
✓
✓
✓
✓
LLDP
✓
✓
✓
✓
✓
✓
✓
✓
✓
NTP
✓
✓
✓
✓
Syslog
✓
✓
✓
✓
HSRP
✓
pág. 11277
Para comparar los simuladores y emuladores, se consideraron diversos estudios (ver Tablas 2 y 3) que
evaluaron parámetros como compatibilidad con sistemas operativos, licenciamiento, soporte de equipos
Cisco, aplicabilidad investigativa, interfaz gráfica, curva de aprendizaje, ejecución de programas reales
y requisitos de potencia computacional (School of Informatics and Applied Mathematics, Universiti
Malaysia Terengganu, 2018; Cisco Networking Academy; Mallissery et al., 2019; entre otros).
Tabla 2: Comparativa de los Simuladores
Parámetros de
Evaluación
Herramientas
Packet Tracer
NS-3
OMNET ++
OPNET
Boson NetSim
Sistema Operativo
Windows y
Linux
Linux,
FreeBSD y
Mac.
Windows, Mac,
Linux, Ubuntu,
Fedora, Red Hat.
Windows,
Red Hat y
Fedora.
Windows
Tipo de Licencia
Comercial
Libre
Libre
Comercial
Comercial
Uso Investigativo
Alto
Medio
Alto
Alto
Medio
Tecnología Cisco
✓
−
−
−
✓
Soporte de diferentes
Protocolos
✓
✓
✓
✓
✓
Curva de Aprendizaje
✓
✓
✓
✓
✓
Interfaz Gráfica
✓
✓
✓
✓
✓
Potencia
computacional
Baja
Baja
Baja
Baja
Baja
Tabla 3: Comparativa de los Emuladores
Parámetros de Evaluación
Herramientas
GNS3
EVE-NG
Mininet
Sistema Operativo
Windows, Linux y
macOS.
Linux
Linux
Tipo de Licencia
Libre / Comercial
Libre / Comercial
Libre
Uso Investigativo
Alto
Medio
Alto
Manejo de equipos Cisco
✓
✓
−
Soporte de diferentes Protocolos
✓
✓
✓
Curva de Aprendizaje
✓
✓
✓
Ejecución de programas reales
✓
✓
✓
Equipos con potencia computacional
Media
Alta
Media
Según los resultados obtenidos, Cisco Packet Tracer y GNS3 destacaron por ofrecer características
superiores para la configuración de la topología HSRP. Ambas herramientas son compatibles con los
sistemas operativos más comunes, soportan una amplia gama de protocolos y pueden ejecutarse
pág. 11278
eficientemente en la mayoría de los equipos. Además, su interfaz amigable facilita su uso, especialmente
en entornos educativos y de formación profesional.
La configuración específica de la topología se ilustra en la Figura 1 para Packet Tracer y en la Figura 2
para GNS3. En Packet Tracer, el proceso incluye la selección e interconexión de dispositivos,
configuración de direccionamiento IPv4, OSPFv2 y finalmente HSRP en los routers designados. En
contraste, GNS3 requiere la descarga y carga de imágenes de equipos, seguida de la configuración de
interconexiones, direccionamiento IPv4, OSPFv2 y HSRP.
Figura 1: Topología HSRP configurada en Cisco Packet Tracer
pág. 11279
Figura 2: Topología HSRP configurada en GNS3
Considerando que en ambas herramientas se implementa la misma topología, se configuran y usan los
mismos dispositivos; durante su puesta en marcha no se observan grandes diferencias en la parte de
interconexión, direccionamiento, envío de paquetes y soporte de protocolos.
Las diferencias se ven reflejadas en su uso y la cantidad de recursos que consumen del computador. En
el caso de Packet Tracer su instalación es de un aproximado de 3 minutos y sumamente sencilla,
mientras que la dificultad de GNS3 es media y el tiempo estimado que se necesita es de 15 minutos.
Así mismo Packet Tracer es más sencillo de utilizar y mucho más interactivo que GNS3, el cual tiene
una dificultad media, necesita de la integración de las imágenes de los equipos y de guardar las
configuraciones en cada uno de ellos.
A nivel de consumo de recursos se evidencia la diferencia más grande que existe entre las herramientas,
por un lado, Packet Tracer consume un aproximado del 20% del CPU y 200 MB de RAM del
pág. 11280
computador, en tanto GNS3 consume aproximadamente el 90% del CPU y 400 MB de RAM por
dispositivo.
Es importante mencionar que una de las ventajas del uso de GNS3 es el soporte multiplataforma que
permite trabajar con otros entornos como es el caso de Mikrotik, Fortinet y más, mientras que Packet
Tracer no lo soporta.
CONCLUSIONES
La tecnología es el mecanismo que ayuda a impulsar el desarrollo educativo de los estudiantes, al
brindar diversos entornos de aprendizaje interactivo que ayudan y mejoran el proceso de enseñanza.
Con base en la investigación realizada, se determinó que en ámbitos de laboratorio de la cátedra de
Redes de Computadores es recomendable el uso de Packet Tracer, ya que su instalación es sumamente
sencilla e intuitiva, consume pocos recursos del computador e integra los dispositivos más comunes a
usarse para la configuración de las diferentes topologías.
En el caso de que se necesite realizar pruebas detalladas o en entornos empresariales donde los
resultados deben ser más precisos, GNS3 es la mejor opción. Esta herramienta es gratuita, sin embargo,
el licenciamiento de las imágenes representa un costo, requiere de tiempo para su instalación, consume
una cantidad considerable de recursos del computador a nivel de RAM y CPU.
La selección entre Cisco Packet Tracer y GNS3 debe basarse en las necesidades particulares de
enseñanza, investigación o implementación de redes. Ambas herramientas ofrecen capacidades únicas
que pueden potenciar significativamente el aprendizaje práctico y el desarrollo profesional en el campo
de las redes de computadoras, dependiendo del contexto y los objetivos específicos de uso.
REFERENCIAS BIBLIOGRAFICAS
Adeyemi, O. J., Popoola, S. I., Atayero, A. A., Afolayan, D. G., Ariyo, M., & Adetiba, E. (2018).
Exploration of daily Internet data traffic generated in a smart university campus. Data in Brief,
20, 30-52. https://doi.org/10.1016/j.dib.2018.07.039
Aldalbahi, A., Rahaim, M., Khreishah, A., Ayyash, M., & Little, T. D. C. (2017). Visible Light
Communication Module: An Open Source Extension to the ns3 Network Simulator With Real
System Validation. IEEE Access, 5, 22144-22158.
https://doi.org/10.1109/ACCESS.2017.2759779
pág. 11281
Avila, E., Ávila Romano , R., & Fabiano de Abreu Agrela Rodrigues. (2024). Como retardar o
envelhecimento cerebral: Uma análise neurocientífica. Revista Científica De Salud Y
Desarrollo Humano, 5(1), 84–95. https://doi.org/10.61368/r.s.d.h.v5i1.76
Bautista, P. A. B., Urquiza-Aguiar, L. F., Cardenas, L. L., & Igartua, M. A. (2020). Large-Scale
Simulations Manager Tool for OMNeT++: Expediting Simulations and Post-Processing
Analysis. IEEE Access, 8, 159291-159306. https://doi.org/10.1109/ACCESS.2020.3020745
Becerra Sánchez, L. Y., Valencia-Suárez, B., Santacruz-Pareja, S., & Padilla-Aguilar, J. J. (2017). Uso
de Mininet y Openflow 1.3 para la enseñanza e investigación en redes IPv6 definidas por
software. Revista Educación en Ingeniería, 12(24), 89. https://doi.org/10.26507/rei.v12n24.794
Boson Holdings. (s. f.). Boson. What are the Minimum System Requirements for NetSim?
https://www.boson.com/support/178-What-are-the-Minimum-System-Requirements-for-
NetSim-12.html
Calle, M. A., Tovar, J. D., Castaño-Pino, Y. J., & Cuéllar, J. C. (2018). Comparación de Parámetros
para una Selección Apropiada de Herramientas de Simulación de Redes. Información
Tecnológica, 29(6), 253-266. https://doi.org/10.4067/S0718-07642018000600253
Cisco Networking Academy. (s. f.). Cómo descargar e instalar Packet Tracer. Packet Tracer FAQs.
https://www.netacad.com/es/courses/packet-tracer/faq
Darabseh, A., Al-Ayyoub, M., Jararweh, Y., Benkhelifa, E., Vouk, M., & Rindos, A. (2017). A novel
framework for software defined based secure storage systems. Simulation Modelling Practice
and Theory, 77, 407-423. https://doi.org/10.1016/j.simpat.2016.05.003
Da Silva Santos , F., & López Vargas , R. (2020). Efecto del Estrés en la Función Inmune en Pacientes
con Enfermedades Autoinmunes: una Revisión de Estudios Latinoamericanos. Revista
Científica De Salud Y Desarrollo Humano, 1(1), 46–59. https://doi.org/10.61368/r.s.d.h.v1i1.9
EVE-NG. (s. f.). EVE-NG. EVE-NG System Requirements.
https://www.eve-ng.net/index.php/documentation/installation/system-requirement/
Fernandez-Berrueta, N., Goya, J., Anorga, J., Arrizabalaga, S., De Miguel, G., & Mendizabal, J. (2020).
An Overview of Current IP Network Emulators for the Validation of Railways Wireless
Communications. IEEE Access, 8, 109266-109274.
pág. 11282
https://doi.org/10.1109/ACCESS.2020.3002157
Galaxy Technologies. (s. f.). GNS3. Documentation.
https://docs.gns3.com/docs/getting-started/installation/windows/
Ibarra-Lancheros, K. S., Puerto-Leguizamón, G., & Suárez-Fajardo, C. (2018). Quality of service
evaluation based on network slicing for software-defined 5G systems. TecnoLógicas, 21(43),
27-41. https://doi.org/10.22430/22565337.1066
Kertesz, A., Pflanzner, T., & Gyimothy, T. (2019). A Mobile IoT Device Simulator for IoT-Fog-Cloud
Systems. Journal of Grid Computing, 17(3), 529-551. https://doi.org/10.1007/s10723-018-
9468-9
Lai, J., Tian, J., Zhang, K., Yang, Z., & Jiang, D. (2021). Network Emulation as a Service (NEaaS):
Towards a Cloud-Based Network Emulation Platform. Mobile Networks and Applications,
26(2), 766-780. https://doi.org/10.1007/s11036-019-01426-0
López Escobar, J. J. L., Gil-Castiñeira, F., & Díaz Redondo, R. P. D. (2020). JMAC Protocol: A Cross-
Layer Multi-Hop Protocol for LoRa. Sensors, 20(23), 6893. https://doi.org/10.3390/s20236893
Luttringer, J.-R., Vanaubel, Y., Merindol, P., Pansiot, J.-J., & Donnet, B. (2020). Let There Be Light:
Revealing Hidden MPLS Tunnels With TNT. IEEE Transactions on Network and Service
Management, 17(2), 1239-1253. https://doi.org/10.1109/TNSM.2019.2962278
Mallissery, S., Pai, M. M. M., Mehbadi, M., Pai, R. M., & Wu, Y.-S. (2019). Online and offline
communication architecture for vehicular ad-hoc networks using NS3 and SUMO simulators.
Journal of High Speed Networks, 25(3), 253-271. https://doi.org/10.3233/JHS-190615
Manzoor, A., Hussain, M., & Mehrban, S. (2020). Performance Analysis and Route Optimization:
Redistribution between EIGRP, OSPF & BGP Routing Protocols. Computer Standards &
Interfaces, 68, 103391. https://doi.org/10.1016/j.csi.2019.103391
Marcano, L., Haugen, F. A., Sannerud, R., & Komulainen, T. (2019). Review of simulator training
practices for industrial operators: How can individual simulator training be enabled? Safety
Science, 115, 414-424. https://doi.org/10.1016/j.ssci.2019.02.019
Mininet. (s. f.). Mininet. Download. http://mininet.org/download/
pág. 11283
Muniasamy, V., Ejlani, I. M., & Anadhavalli, M. (2019). Student’s Performance Assessment and
Learning Skill towards Wireless Network Simulation Tool – Cisco Packet Tracer. International
Journal of Emerging Technologies in Learning (iJET), 14(07), 196.
https://doi.org/10.3991/ijet.v14i07.10351
Mero Santana, E. A., Caicedo Lastra, Y. L., Delgado Ponce, L. D., Ríos Pincay , K. P., & Parrales
Cantos, G. N. (2024). Estudio de Caso sobre la Planificación, Programación y Control de Obra
Aplicado al Proceso Constructivo de una Vivienda Unifamiliar en la Ciudadela Municipal del
cantón Portoviejo. Estudios Y Perspectivas Revista Científica Y Académica , 4(1), 1990–2010.
https://doi.org/10.61384/r.c.a.v4i1.162
Mendoza, P. (2023). Assessment of Ethics in Nursing Practice: Perspective of Social Service
Students. Revista Veritas De Difusão Científica, 4(1), 52–67.
https://doi.org/10.61616/rvdc.v4i1.37
Martínez, O., Aranda , R., Barreto , E., Fanego , J., Fernández , A., López , J., Medina , J., Meza , M.,
Muñoz , D., & Urbieta , J. (2024). Los tipos de discriminación laboral en las ciudades de Capiatá
y San Lorenzo. Arandu UTIC, 11(1), 77–95. Recuperado a partir de
https://www.uticvirtual.edu.py/revista.ojs/index.php/revistas/article/view/179
Nie, L., & Hu, S. (2019). Simulation and analysis of campus network based on OPNET. Journal of
Computational Methods in Sciences and Engineering, 19(1), 3-12.
https://doi.org/10.3233/JCM-180847
NSNAM. (s. f.). NS-3. Installation. https://www.nsnam.org/wiki/Installation
Oliveira, V. C. (2020). Simulador Eve-NG em projetos de redes heterogêneas: Um estudo sobre a
importância da simulação em redes de computadores. Research, Society and Development,
9(11), e1199119562. https://doi.org/10.33448/rsd-v9i11.9562
OPNET Technologies. (2012). OPNET Modeler.
https://support.riverbed.com/bin/support/download?did=qn4i89ijqcve5qdm9bn977mhk&versi
on=17.5-PL6
Peña, M., Lauriano da Silva, J., Flebes, O., & Anías, C. (2018). Sistema Para Detección Y Aislamiento
De Fallas. Revista Cubana de Ciencias Informáticas, 12(2), 58-73.
pág. 11284
Podsadnikov, A. V., Rozov, K. V., & Kratov, S. V. (2021). The methods and approaches to computer
networks simulation using virtual network infrastructure. Journal of Physics: Conference
Series, 1791(1), 012082. https://doi.org/10.1088/1742-6596/1791/1/012082
Polanco, O. (2017). NS3-based training system for learning RIPng for IPv6. Ingeniería y
Competitividad, 19(1), 150-155.
Powell, C., Desiniotis, C., & Dezfouli, B. (2020). The Fog Development Kit: A Platform for the
Development and Management of Fog Systems. IEEE Internet of Things Journal, 7(4), 3198-
3213. https://doi.org/10.1109/JIOT.2020.2966405
Robles-Gómez, A., Tobarra, L., Pastor-Vargas, R., Hernández, R., & Cano, J. (2020). Emulating and
Evaluating Virtual Remote Laboratories for Cybersecurity. Sensors, 20(11), 3011.
https://doi.org/10.3390/s20113011
the School of Informatics and Applied Mathematics, Universiti Malaysia Terengganu, 21030, Kuala
Nerus Terengganu, Malaysia, Noor, N. M. M., Yayao, N., & Sulaiman, S. (2018). Effectiveness
of Using Cisco Packet Tracer as a Learning Tool: A Case Study of Routing Protocol.
International Journal of Information and Education Technology, 8(1), 11-16.
https://doi.org/10.18178/ijiet.2018.8.1.1004
Tobarra, L., Robles-Gómez, A., Pastor, R., Hernández, R., Duque, A., & Cano, J. (2019). A
Cybersecurity Experience with Cloud Virtual-Remote Laboratories. Proceedings, 31(1), 3.
https://doi.org/10.3390/proceedings2019031003
Torres, Á., & Zuñiga, A. (2021). Análisis de herramientas que permitan el modelado de tráfico en redes
SD. Centro Sur Social Science Journal, 4(2), 1-15. https://doi.org/10.37955/cs.v4i2.57
Varga, A., & OpenSim Ltd. (2016). OMNeT++ Installation Guide.
https://doc.omnetpp.org/omnetpp/InstallGuide.pdf
Veltri, L., Davoli, L., Pecori, R., Vannucci, A., & Zanichelli, F. (2019). NEMO: A flexible and highly
scalable network EMulatOr. SoftwareX, 10, 100248.
https://doi.org/10.1016/j.softx.2019.100248
Vargas Magne, C. A. A., López Morales, D. R., Pérez Molina, J., & Berndorfer, M. (2024). Análisis
interseccional sobre la violencia sexual en niñas y adolescentes mujeres en situación de calle
pág. 11285
de las ciudades de El Alto, La Paz, Cochabamba y Santa Cruz . Emergentes - Revista
Científica, 4(2), 103–123. https://doi.org/10.60112/erc.v4i2.132
Wang, L., Wang, W., & Liu, P. (2019). Train network control algorithms of high-speed EMU based on
OPNET simulation. Journal of Computational Methods in Sciences and Engineering, 19, 77-
83. https://doi.org/10.3233/JCM-191012
Zarrad, A., & Alsmadi, I. (2017). Evaluating network test scenarios for network simulators systems.
International Journal of Distributed Sensor Networks, 13(10), 155014771773821.
https://doi.org/10.1177/1550147717738216
