文献

J-GLOBAL ID：201702250069188606   整理番号：17A0852145

トラフィック分類のための効率的でロバストな特徴抽出と選択【Powered by NICT】

Efficient and robust feature extraction and selection for traffic classification

著者 (6件)： Shi Hongtao (College of Information Science and Engineering, Ocean University of China, Qingdao 266100, PR China) ,  Shi Hongtao (Network Management Center, Qingdao Agricultural University, Qingdao 266109, PR China) ,  Li Hongping (College of Information Science and Engineering, Ocean University of China, Qingdao 266100, PR China) ,  Zhang Dan (College of Information Science and Engineering, Ocean University of China, Qingdao 266100, PR China) ,  Cheng Chaqiu (College of Information Science and Engineering, Ocean University of China, Qingdao 266100, PR China) ,  Wu Wei (College of Information Science and Engineering, Ocean University of China, Qingdao 266100, PR China)
資料名： Computer Networks  (Computer Networks)
巻： 119  ページ： 1-16  発行年： 2017年 
JST資料番号： A0360B  ISSN： 1389-1286  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ポート番号とペイロード検査に基づく伝統的な分類法の限界があるので,多くの研究は,トランスポート層統計(TLS)特徴と機械学習(ML)技術を使用した分類手法の開発に焦点を当てた。しかし,(1)は,インターネットトラヒックの複雑な非線形特性を捉えることができないので,TLSの特徴は,トラフィック分類のための非常にロバストではない,(2)既存特徴選択(FS)技術は,MLアルゴリズムのための最適かつ安定した特徴を信頼性良く作ることができないため,これらの手法を用いてインターネットトラヒックデータを分類する依然として困難な課題である。これらの問題に対処する目的で,本論文では,新しい特徴抽出と選択アプローチを提案した。最初に,マルチフラクタル特徴をウェーブレットリーダマルチフラクタル形式(WLMF)を用いた交通流から抽出された交通流を表現した。続いて無関係で冗長な特徴を除去するためのこれらのマルチフラクタル特徴に適用した主成分分析(PCA)に基づくFS法。実トラヒックトレースに基づいて,実験結果は,既存のMLベースアプローチにおける研究TLS特徴と比較してサポートベクトルマシン(SVM)の精度の著しい改善を実証した。さらに,提案した方法は,トラヒック伝送の初期段階でトラヒックを分類する能力のために,実時間トラヒック分類に適している。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 信頼性 ,  ポート ,  機械学習 ,  ペイロード ,  サポートベクトルマシン ,  特徴選択 ,  *ロバスト性 ,  交通流 ,  アルゴリズム ,  *特徴抽出 ,  主成分分析
準シソーラス用語： 実時間 ,  マルチフラクタル ,  トランスポート層 ,  分類法 , 【Automatic Indexing@JST】

著者キーワード (6件)： マルチフラクタル特徴 ,  ウェーブレットリーダー ,  特徴選択 ,  交通分類 ,  最適特徴 ,  機械学習

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： トラフィック分類 ,  ロバスト ,  特徴抽出