文献

J-GLOBAL ID：201902281770752195   整理番号：19A0517532

モノのインターネットのための畳込みおよびリカレントニューラルネットワークを用いたネットワークトラフィック分類器【JST・京大機械翻訳】

Network Traffic Classifier With Convolutional and Recurrent Neural Networks for Internet of Things

著者 (4件)： Lopez-Martin Manuel (Departamento TSyCeIT, ETSIT, Universidad de Valladolid, Valladolid, Spain) ,  Carro Belen (Departamento TSyCeIT, ETSIT, Universidad de Valladolid, Valladolid, Spain) ,  Sanchez-Esguevillas Antonio (Departamento TSyCeIT, ETSIT, Universidad de Valladolid, Valladolid, Spain) ,  Lloret Jaime (Instituto de Investigacio ́n para la Gestio ́n Integrada de Zonas Costeras, Universitat Polite`cnica de Vale`ncia, Valencia, Spain)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 18042-18050  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： ネットワークトラフィック分類装置(NTC)は,現在のネットワーク監視システムの重要な部分であり,通信フロー(例えば,HTTPとSIP)によって現在使用されているネットワークサービスを推論するタスクである。この検出は,通信フローに関連する多くの特徴,例えば,ソースや宛先ポート,パケット当たりの送信に基づいている。現在のネットワークフローに関する多くの情報が,そのネットワークサービス(必要な待ち時間,トラヒック量,および可能な持続時間)を知ることにより,学習され,予想されるので,NTCは重要である。これは,インターネット(IoT)ネットワークの管理と監視のために特に興味があり,そこでは,NTCは,不均一なデバイスとサービスのトラヒックと挙動を分離するのを助ける。本論文では,IoTトラヒックに用いることができる深い学習モデルの組合せに基づくNTCのための新しい手法を提案した。畳込みニューラルネットワーク(CNN)と組み合わせたリカレントニューラルネットワーク(RNN)が最良の検出結果を提供することを示した。画像処理であるCNNのための自然領域を,容易で自然な方法でNTCに拡張した。提案した方法は,他のモデルを適用するときに通常の特徴工学を必要とせずに,代替アルゴリズムよりも良好な検出結果を提供することを示した。選択された特徴と訓練に使用されるネットワークフローの長さの影響を含む,CNNとRNNを統合するいくつかのアーキテクチャに関する完全な研究を提示する。Copyright 2019 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】

シソーラス用語： 継続時間 ,  パケット ,  *インターネット ,  通信 ,  *畳込み ,  *ネットワーク ,  計算機アーキテクチャ ,  待ち時間 ,  アルゴリズム
準シソーラス用語： ネットワークフロー ,  ネットワークサービス ,  HTTP ,  *ネットワークトラフィック ,  *リカレントニューラルネットワーク ,  *モノのインターネット , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： インターネット ,  畳込み ,  リカレントニューラルネットワーク ,  ネットワークトラフィック ,  分類器