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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
임환희 (성균관대학교) 김경태 (성균관대학교) 이병준 (성균관대학교) 윤희용 (성균관대학교)
저널정보
한국통신학회 한국통신학회논문지 한국통신학회논문지 제44권 제1호
발행연도
2019.1
수록면
106 - 116 (11page)
DOI
10.7840/kics.2019.44.1.106

이용수

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

이 논문의 연구 히스토리 (3)

2019

SDN 환경의 트래픽 분류를 위한 특징 선택 기법
임환희 전자전기컴퓨터공학과 2019.01 학위논문
SDN 환경의 트래픽 분류를 위한 특징 선택 기법
임환희 ,  김경태 ,  이병준 외 1명 한국통신학회논문지 2019.01 학술저널

2018

SDN환경에서 트래픽 분류를 위한 특징 선택 기법
임환희 ,  김동현 ,  이병준 외 2명 한국컴퓨터정보학회 학술발표논문집 2018.07 학술대회자료

초록· 키워드

오류제보하기
최근, 수많은 IoT(Intetnet of Things) 기기가 급속히 확산되면서 엄청난 양의 트래픽이 발생하고 있다. 이와 같은 많은 양의 트래픽은 네트워크의 전송 속도를 느리게 할 뿐만 아니라 높은 QoS(Quality of Service)를 보장하기 어렵게 만든다. 이러한 문제를 해결하기 위해 SDN(Software-Defined Networking) 기술이 도입되었는데, SDN은 제어 단과 데이터 처리 단을 분리하여 네트워크를 효율적으로 관리할 수 있으므로 대규모 네트워크 환경에서 효율적으로 사용된다. 본 논문에서는 SDN 환경에서 다양한 트래픽을 적절히 분류할 수 있는 새로운 특징 선택 알고리즘을 제안한다. 기존의 filter 기반 방식에서는 특징을 평가하는 평가 기준이 부족하여 특징의 수가 작게 되면 분류 정확도가 낮아지는 단점이 존재한다. 이러한 문제를 해결하기 위해 가중치 기반 chi2-square test 알고리즘을 도입한 새로운 특징 선택 기법을 제안한다. 세 가지 다양한 데이터 세트에 대한 실험 결과가 제안된 알고리즘이 기존에 널리 사용되는 두 개의 특징 선택 알고리즘에 비해 분류 정확도와 F1 점수가 훨씬 우수한 결과를 보인다.
#SDN #machine learning #feature selection #network traffic #classification accuracy

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련연구
Ⅲ. 본론
Ⅳ. 실험결과
Ⅴ. 결론
References

참고문헌 (26)

참고문헌 신청
M. Hayes, B. Ng, A. Pekar, and W. K. G. Seah, “Scalable architecture for SDN traffic classification,” IEEE System J., vol. 12, no. 99, pp. 1-12, Dec. 2018. google schola I. Guyon and A Elisseeff, “An Introduction to Variable and Feature Selection,” J. Machine Learning Res., vol. 3, pp. 1157-1182, Mar. 2003. google schola Y. Saeys, I. Inza, and P. Larranaga, “A review of feature selection techniques in bioinformatics,” Bioinformatics, vol. 33, no. 19, pp. 2507-2517, Aug. 2007. google schola G. Chandrashekar and F. Sahin, “A survey on feature selection methods,” Comput. & Electrical Eng., vol. 40, no. 1, pp. 16-28, Jan. 2014. google schola M. Dash and H. Liu, “Feature selection for classification,” Intell. Data Anal., vol. 1, no. 3, pp. 131-156, 1997. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

SDN환경에서 머신러닝을 이용한 트래픽 분류방법
임환희 ,  김동현 ,  김경태 외 1명 한국컴퓨터정보학회 학술발표논문집 2018 .01
메타버스 뉴스 빅데이터 분석: 토픽 모델링 분석을 중심으로
한송이 ,  김태종 디지털콘텐츠학회논문지 2021 .07
SDN에서 효율적인 플로우 테이블 관리 방법
김동렬 ,  조명원 ,  이병대 한국정보기술학회논문지 2019 .09
Software Defined Network(SDN) 환경에서 비인가 소프트웨어 차단 기법
강남길 ,  권태욱 정보보호학회논문지 2019 .04
SDN 환경에서의 효율적인 트래픽 분류 기법 조사
김민우 ,  김세준 ,  이병준 외 2명 한국컴퓨터정보학회 학술발표논문집 2019 .01

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-567-000424312