抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
将来のネットワーク研究の基礎として,ネットワークトラフィック分類は,ネットワーク管理,サイバースペースセキュリティ,サービス品質に重要な役割を果たす。近年,多くの研究が交通分類のための機械学習技術を用いている。それらのほとんどは,サンプルをあらかじめ定義されたクラスに分類することに焦点を合わせるだけであるが,「ストリガ」を無視している。本論文では,任意の事前定義アプリケーションに属していないトラヒックを表現するためにストランジャーを使用し,ネットワークトラフィック分類におけるストレンジャー検出を達成するために,FlowCopと名付けた新しい方式を提案した。複数の1クラス分類器を構築することによって,FlowCopはテストトラフィックをNクラスとストランジャークラスに分割することができる。strangerクラスのサンプルは訓練段階の間に必要とされないので,FlowCopはストリングスを検出するために経験のない方法で働く。さらに,正確な分類と低いオーバーヘッドのために,特徴部分空間アルゴリズムを提案して,各々の1クラス分類装置のために優れた特徴を選択した。FlowCopの有効性を検証するために,2つの実世界データセットに関するコントラスト実験を行った。結果は,FlowCopがあらかじめ定義されたトラフィックフローを同定できるだけでなく,ストリガを検出することもできることを示した。それは,精度と再現の両方に関する4つの最先端の手法より優れているCopyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】