文献

J-GLOBAL ID：202102231272160825   整理番号：21A2712813

サポートベクトルマシンに基づく改良型ネットワークトラフィック分類モデル【JST・京大機械翻訳】

An Improved Network Traffic Classification Model Based on a Support Vector Machine

著者 (8件)： Cao Jie (School of Computer Science, Northeast Electric Power University, Jilin 132012, China) ,  Wang Da (School of Computer Science, Northeast Electric Power University, Jilin 132012, China) ,  Qu Zhaoyang (School of Computer Science, Northeast Electric Power University, Jilin 132012, China) ,  Sun Hongyu (Department of Computer Science, Jilin Normal University, Changchun 136000, China) ,  Li Bin (School of Computer Science, Northeast Electric Power University, Jilin 132012, China) ,  Chen Chin-Ling (College of Computer and Information Engineering, Xiamen University of Technology, Xiamen 361024, China) ,  Chen Chin-Ling (School of Information Engineering, Changchun Sci-Tech University, Changchun 130600, China) ,  Chen Chin-Ling (Department of Computer Science and Information Engineering, Chaoyang University of Technology, Taichung 41349, Taiwan)
資料名： Symmetry (Web)  (Symmetry (Web))
巻： 12  号： 2  ページ： 301  発行年： 2020年 
JST資料番号： U7282A  ISSN： 2073-8994  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 機械学習に基づくネットワークトラフィック分類は,コンピュータ科学におけるパターン認識の重要なブランチである。それは動的インテリジェントネットワーク管理と強化ネットワーク可制御性のための重要な技術である。しかし,交通分類法は厳しい課題に直面している:特徴の最適集合を決定するのは難しい。分類法は,有効特性組合せに大きく依存する。一方,分類器の経験リスクと一般化能力のバランスをとることも重要である。本論文では,サポートベクトルマシンに基づく改良ネットワークトラフィック分類モデルを提案した。第1に,従来の特徴選択法によって引き起こされた結合特徴の虚偽の削除を解決するために,フィルタ-ラッパーハイブリッド特徴選択法を提案した。第二に,サポートベクトルマシン(SVM)トラフィック分類モデルの経験的リスクと一般化能力のバランスをとるために,改良パラメータ最適化アルゴリズムを提案する。このアルゴリズムは二次探索領域を動的に調整し,二次メッシュ生成の密度を低減し,アルゴリズムの検索効率を改善し,パラメータを最適化しながら過剰フィッティングを防ぐことができる。実験は,改良トラフィック分類モデルがより高い分類精度,より低い次元とより短い経過時間を達成して,従来のSVMと他の3つの典型的教師つきMLアルゴリズムより著しく良いことを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  パターン認識 ,  検索効率 ,  *ネットワーク ,  可制御性 ,  最適化手法 ,  計算機科学 ,  特徴選択 ,  機械学習 ,  ネットワーク管理 ,  *サポートベクトルマシン
準シソーラス用語： パラメータ最適化 ,  *ネットワークトラフィック ,  *分類モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： 交通分類 ,  サポートベクトルマシン ,  特徴選択 ,  パラメータ最適化

分類 (3件)： 人工知能  (JE08000Z) ,  データ保護  (JD01020V) ,  計算機網  (JC03000K)

引用文献 (32件)：

• Max, B.; Mritunjay, K. Identifying P2P traffic: A survey. Peer Peer Netw. Appl. 2017, 10, 1182-1203.
• Yinxiang, H.; Yun, L.; Baohua, Q. Internet traffic classification based on Min-Max Ensemble Feature Selection. In Proceedings of the 2016 International Joint Conference on Neural Networks (IJCNN), Vancouver, BC, Canada, 24-29 July 2016.
• Hongtao, S.; Gang, L.; Hai, W. A novel traffic identification approach based on multifractal analysis and combined neural network. Ann. Telecommun. 2014, 69, 155-169.
• Neeraj, N.; Shikha, A.; Sanjay, S. Recent Advancement in Machine Learning Based Internet Traffic Classification. J. Procs. 2015, 60, 784-791.
• Yu, W.; Yang, X.; Wang, Z.; Shunzheng, Z. Generating regular expression signatures for network traffic classification in trusted network management. J. Netw. Comput. Appl. 2012, 35, 992-1000.

タイトルに関連する用語 (3件)： サポートベクトルマシン ,  ネットワークトラフィック ,  分類モデル