文献

J-GLOBAL ID：201702262481693053   整理番号：17A1780275

機械学習に基づくネットワークトラフィック分類の研究【Powered by NICT】

Investigation of machine learning based network traffic classification

著者 (2件)： Fan Zhong (School of Computing and Mathematics, Keele University, Staffordshire, ST5 5BG, UK) ,  Liu Ran (School of Computing and Mathematics, Keele University, Staffordshire, ST5 5BG, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISWCS  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： タイムリーで正確なトラヒック分類と応用特性化は,有線および無線ネットワークにおける多くの応用,例えば,トラヒック工学,セキュリティ監視,サービスの品質(QoS)でますます重要になっている。特に,ソフトウェア定義ネットワーキング(SDN)は,将来のIPネットワークと5G無線ネットワークに大きな影響を持つことを新しいネットワーキングパラダイムである。SDNネットワークでは,仮想ネットワーク資源スライシングと高速ルーティングのような機能に必須である応用認識。ポートとペイロードベースのアルゴリズムのような従来の分類法と比較して,機械学習(ML)手法は,ペイロード独立トラヒック統計を用いたインターネットトラヒック特性のより良い選択を提供する。本論文では,二MLアルゴリズム,すなわち教師つきサポートベクトルマシン(SVM)と教師なしK-meansクラスタリングは,交通分類について研究した。は95%以上の総合精度を達成できることが分かった。一方,システム性能はモデルチューニングと特徴選択を用いたさらに改善できる。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *機械学習 ,  経路選定 ,  アルゴリズム ,  ペイロード ,  *ネットワーク ,  ポート ,  特徴選択 ,  セキュリティ ,  サポートベクトルマシン ,  インターネット
準シソーラス用語： トラヒック特性 ,  分類法 ,  仮想ネットワーク ,  IPネットワーク ,  無線ネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： 機械学習 ,  トラフィック分類 ,  研究