$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

네트워크 플로우의 연관성 모델을 이용한 트래픽 분류 방법
A Traffic-Classification Method Using the Correlation of the Network Flow

정보과학회논문지 = Journal of KIISE, v.44 no.4, 2017년, pp.433 - 438  

구영훈 (고려대학교 컴퓨터정보학과) ,  심규석 (고려대학교 컴퓨터정보학과) ,  이성호 (고려대학교 컴퓨터정보학과) ,  (고려대학교 컴퓨터정보학과) ,  김명섭 (고려대학교 컴퓨터정보학과)

초록
AI-Helper 아이콘AI-Helper

오늘날의 네트워크는 고속화와 유비쿼터스 환경으로 인해 다양한 응용이 급속도로 생성되고 있으며 네트워크 트래픽도 매우 복잡해지고 있다. 이에 효율적인 네트워크 운용 및 관리를 위한 구체적인 단위의 트래픽 분류가 필수적이다. 다양한 트래픽 분류 방법이 연구되고 있는 가운데 아직 트래픽을 완벽하게 분류해내는 방법론은 개발되지 않은 실정이다. 이에 본 논문에서는 네트워크 플로우의 연관성 모델을 정의하고 이를 기반으로 트래픽을 분류하는 방법을 제안한다. 트래픽 분류를 위한 네트워크 플로우의 연관성 모델은 크게 유사성 모델과 연결성 모델로 이루어진다. 제안하는 방법론을 효과적으로 적용하기 위한 방안을 제시하며 실험을 통해 본 분류 방법론이 높은 정확도와 분석률의 방법론이라는 것을 증명한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Presently, the ubiquitous emergence of high-speed-network environments has led to a rapid increase of various applications, leading to constantly complicated network traffic. To manage networks efficiently, the traffic classification of specific units is essential. While various traffic-classificati...

주제어

#트래픽 분류   #네트워크 플로우의 연관성 모델   #유사성 모델   #연결성 모델   #가이드라인  

참고문헌 (5)

  1. S. H. Yoon, and M. S. Kim, "Research on Header Signature Maintenance Method for Internet Application Traffic Identification," Proc KICS ICC 2011, pp. 1200-1201, Jeju Island, Korea, Jun. 2011. 

  2. J. S. Park, S. H. Yoon, and M. S. Kim, "Performance Improvement of the Payload Signature based Traffic Classification System using Application Traffic Temporal Locality," Proc APNOMS 2013, pp. 1-6, Hiroshima, Japan, Sep. 2013. 

  3. H. M. An, J. H. Ham, and M. S. Kim, "Performance Improvement of the Statistical Information Based Traffic Identification System," KTCCS, Vol. 2, No. 8, pp. 335-342, Aug. 2013. 

  4. T. Nguyen, and G. A., "A survey of techniques for internet traffic classification using machine learning," IEEE Communications Surveys & Tutorial, Vol. 10, No. 4, pp. 56-76, Jan. 2009. 

  5. S. H. Lee, and M. S. Kim, "Application Traffic Classification using TensorFlow Machine Learning Tool," Proc KICS 2016, pp. 224-225, ChungAng Univ, Korea, Nov. 2009. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로