文献

J-GLOBAL ID：201602268104389163   整理番号：16A1123816

主成分分析と学習ベクトル量子化に基づく会話初期プロトコル認識研究【JST・京大機械翻訳】

Research on Session Initiation Protocol Identification Based on Principal Component Analysis and Learning Vector Quantization

著者 (4件)： Li Jindong (Deptarment of Information Engineering,Ordnance Engineering College) ,  Wang Tao (Deptarment of Information Engineering,Ordnance Engineering College) ,  Wu Yang (Deptarment of Information Engineering,Ordnance Engineering College) ,  Lei Dong (Deptarment of Information Engineering,Ordnance Engineering College)
資料名： Jisuanji Gongcheng  (Jisuanji Gongcheng)
巻： 42  号： 6  ページ： 125-130  発行年： 2016年 
JST資料番号： C2532A  ISSN： 1000-3428  CODEN： JISGEV  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 暗号化セッション開始プロトコル(SIP)の識別困難性と関連研究が少ないため、侵入検知、ネットワークトラフィック監視などの仕事に不便をもたらす問題に対して、主成分分析(PCA)と学習ベクトル量子化(LVQ)ネットワークに基づくSIPプロトコル識別モデルを提案した。SIPプロトコルの流れ特性に対してPCAを行い、累積寄与率が85%以上の関連ストリーム特徴を抽出し、SIPプロトコル識別過程における主な特徴として、LVQネットワーク訓練を行い、完全なSIPプロトコル識別モデルを構築した。実験結果により、PCA_LVQモデルはSIPプロトコルに対する識別率が90%より高く、PCAによって抽出されたSIPプロトコルのネットワークフロー属性は非SIPプロトコルの属性と区別でき、このモデルはSIPプロトコルに対する識別効果が良好であることが分かった。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： 流れ特性 ,  *会話 ,  識別過程 ,  *プロトコル ,  ネットワーク ,  *主成分分析 ,  暗号 ,  侵入検知システム
準シソーラス用語： ネットワークフロー ,  認識率 ,  決定係数 ,  ネットワークトラフィック ,  侵入検知 ,  *学習ベクトル量子化 , 【Automatic Indexing@JST】

著者キーワード (6件)： Session Initiation Protocol ( SIP) ,  Principal Component Analysis ( PCA) ,  Learning Vector Quantization (LVQ) ,  eigen value ,  encrypted protocol ,  flow characteristic

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 主成分分析 ,  学習ベクトル量子化 ,  会話 ,  初期 ,  プロトコル ,  研究