インターネットトラヒック分類のための軽量,効率的で説明可能な設計畳込みニューラルネットワーク【JST・京大機械翻訳】

Fauvel Kevin; Chen Fuxing; Rossi Dario

プレプリント

J-GLOBAL ID：202202203449055759 整理番号：22P0288147

インターネットトラヒック分類のための軽量,効率的で説明可能な設計畳込みニューラルネットワーク【JST・京大機械翻訳】

A Lightweight, Efficient and Explainable-by-Design Convolutional Neural Network for Internet Traffic Classification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月11日プレプリントサーバーでの情報更新日： 2023年06月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

トラフィック分類,すなわちネットワークで流れるアプリケーションのタイプの同定は,多数の活動(例えば,侵入検出,ルーティング)のための戦略的タスクである。このタスクは,現在の深層学習アプローチが取り組まれていないいくつかの重大な課題に直面している。現行の手法の設計は,ネットワーク化ハードウェア(例えばルータ)が,限られた計算資源でしばしば実行されるという事実を考慮していない。さらに,それらは,調節体によって強調された忠実説明性の必要性を満たさない。最後に,これらのトラヒック分類器を,実世界設定におけるアプリケーションの多様性を反映することができない小さなデータセット上で評価した。したがって,本論文では,新しい残留ブロック(軽量および効率目的のための)およびプロトタイプ層(説明可能性)に依存するインターネットトラヒック分類のための,新しい軽量,効率的およびeXplainable by-design convolutionalニューラルネットワーク(LEXNet)を紹介した。市販グレードデータセットに基づいて,著者らの評価は,LEXNetが,以前に述べた付加的特徴を提供しながら,最良性能の最先端ニューラルネットワークと同じ精度を維持することを示した。さらに,著者らは,検出アプリケーションプロトタイプのエンドユーザへの通信から生じる著者らのアプローチの説明可能性特徴を説明し,事後手法との比較を通してLEXNet説明の忠実性を強調した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

計算機網

, , , , , ,

前のページに戻る