메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이용호 (상명대학교) 정진우 (상명대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회논문지 : 정보통신 정보과학회논문지 : 정보통신 제41권 제1호
발행연도
2014.2
수록면
1 - 12 (12page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
복잡하고 다양한 트래픽들이 오가는 현대 네트워크에서 어플리케이션에 따른 정확한 트래픽 분류는 네트워크의 정확한 상태분석과 효율적인 관리를 할 수 있게 해주는 중요한 요소이다. 전통적 트래픽분류 기법인 포트, 페이로드 기반의 트래픽분류는 유동적으로 포트번호를 할당하는 어플리케이션과 암호화된 페이로드를 가지는 어플리케이션 트래픽 분류에 어려움을 가진다. 이에 대안으로 머신러닝 알고리즘을 활용한 트래픽분류 기법들이 활발히 연구되고 있다. Supervised 머신러닝은 Unsupervised 방식에 비해 복잡도와 성능측면에서 모두 우위에 있으나 수동적인 학습집합 구성이 필요하다는 치명적인 단점이 있다. 본 연구에서는 LCS (Longest Common Subsequence) 알고리즘을 사용하여 자동으로 학습집합을 구성하여 트래픽을 분류하는 모델을 제안하였다. 실험을 통하여 제안하는 트래픽분류 모델이 다양한 타겟 어플리케이션을 스스로 학습해서 학습집합을 구성하여 다양한 어플리케이션 트래픽 분류가 가능하다는 것을 확인하였다.

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 자동화 트래픽분류 모델
4. 성능평가
6. 결론
References

참고문헌 (17)

참고문헌 신청

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2015-560-001120498