文献

J-GLOBAL ID：202102217534770963   整理番号：21A0539962

軽量ニューラルネットワークによる実時間暗号化トラヒック分類【JST・京大機械翻訳】

Real-Time Encrypted Traffic Classification via Lightweight Neural Networks

著者 (6件)： Cheng Jin (Institute of Information Engineering,Chinese Academy of Science,Beijing,China,100093) ,  He Runkang (Institute of Information Engineering,Chinese Academy of Science,Beijing,China,100093) ,  E Yuepeng (Institute of Information Engineering,Chinese Academy of Science,Beijing,China,100093) ,  Wu Yulei (University of Exeter,College of Engineering, Mathematics and Physical Sciences,Exeter,UK,EX4 4QF) ,  You Junling (Institute of Information Engineering,Chinese Academy of Science,Beijing,China,100093) ,  Li Tong (Institute of Information Engineering,Chinese Academy of Science,Beijing,China,100093)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： GLOBECOM  ページ： 1-6  発行年： 2020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： 暗号化されたトラフィックの高速成長は,トラフィック分類の効率に関する燃焼要求を提唱する。深層学習モデルは分類においてよく機能するが,高精度結果を得るための効率を犠牲にする。資源と時間消費を減らすために,新しい軽量モデルをこの論文で提案する。著者らの設計原理は,「薄いモジュールA薄モジュールの再利用の最大化」は,すべてのパケットの1段階相互作用とマルチヘッド注意機構の並列計算に割り当てられるマルチヘッド注意と1D畳込みネットワークを採用して,著者らのモデルの重要な利点は,パラメータの数と実行時間が著しく減少したことである。さらに,1D畳込みネットワークの有効性および効率を,トラフィック分類において証明し,また,フローの3つの連続的パケットだけが必要とされるので,提案モデルは,リアルタイムで良好に動作することができた。モデルの安定性を改善するために,設計したネットワークを,ResNet,層正規化,および学習速度暖めの助けを借りて訓練した。提案モデルは,2つの公開データセットに関する深い学習に基づく最先端の研究より優れている。結果は,著者らのモデルがより高い精度と実行効率を持ち,一方,使用するパラメータの数が1D畳込みネットワークと訓練時間半分の1.8%であることを示した。Copyright 2021 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： 相互作用 ,  畳込み ,  *ネットワーク ,  *ニューラルネットワーク ,  並列演算 ,  一次元 ,  再利用 ,  暗号 ,  有効性 ,  正規化 ,  パケット
準シソーラス用語： 実行時間 ,  高精度 ,  実時間 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 軽量 ,  ニューラルネットワーク ,  実時間 ,  暗号化 ,  トラヒック ,  分類