[논문]순환 신경망 기반 딥러닝 모델들을 활용한 실시간 스트리밍 트래픽 예측

김진호; 안동혁

doi:10.3745/ktccs.2023.12.2.53

순환 신경망 기반 딥러닝 모델들을 활용한 실시간 스트리밍 트래픽 예측
Real-Time Streaming Traffic Prediction Using Deep Learning Models Based on Recurrent Neural Network 원문보기

정보처리학회논문지. KIPS transactions on computer and communication systems 컴퓨터 및 통신 시스템, v.12 no.2, 2023년, pp.53 - 60

김진호 (창원대학교 컴퓨터공학과) , 안동혁 (창원대학교 컴퓨터공학과)

초록
AI-Helper

최근 실시간 스트리밍 플랫폼을 기반으로 한 다양한 멀티미디어 컨텐츠의 수요량과 트래픽 양이 급격히 증가하고 있는 추세이다. 본 논문에서는 실시간 스트리밍 서비스의 품질을 향상시키기 위해서 실시간 스트리밍 트래픽을 예측한다. 네트워크 트래픽을 예측하기 위해 통계적 모형을 활용하였으나, 실시간 스트리밍 트래픽은 매우 동적으로 변화함에 따라 통계적 모형보다는 순환 신경망 기반 딥러닝 모델이 적합하다. 따라서, 실시간 스트리밍 트래픽을 수집, 정제 후 Vanilla RNN, LSTM, GRU, Bi-LSTM, Bi-GRU 모델을 활용하여 예측하며, 각 모델의 학습 시간, 정확도를 측정하여 비교한다.

Abstract ▼ AI-Helper

Recently, the demand and traffic volume for various multimedia contents are rapidly increasing through real-time streaming platforms. In this paper, we predict real-time streaming traffic to improve the quality of service (QoS). Statistical models have been used to predict network traffic. However, since real-time streaming traffic changes dynamically, we used recurrent neural network-based deep learning models rather than a statistical model. Therefore, after the collection and preprocessing for real-time streaming data, we exploit vanilla RNN, LSTM, GRU, Bi-LSTM, and Bi-GRU models to predict real-time streaming traffic. In evaluation, the training time and accuracy of each model are measured and compared.

주제어

표/그림 (16)

그림 Fig. 1. Recurrent Neural Network
그림 Fig. 2. Vanilla RNN
그림 Fig. 3. LSTM
그림 Fig. 4. Real-Time Drama Traffic
그림 Fig. 5. Real-Time Music Traffic
그림 Fig. 6. Model Architecture
표 Table 1. Experiment Environment
그림 Fig. 7. Sequence Length Comparison
그림 Fig. 9. Comparison of Hidden Size
그림 Fig. 11. Training Time of Real-Time Drama TrafficPrediction Model
그림 Fig. 8. Comparison of Number of Hidden Layer
그림 Fig. 10. Prediction Accuracy of Real-Time Drama Traffic
그림 Fig. 12. Prediction Accuracy Real-Time News Traffic
그림 Fig. 13. Training Time of Real-Time NewsTraffic Prediction Model
그림 Fig. 15. Training Time of Real-Time Music Traffic Prediction Model
그림 Fig. 14. Prediction Accuracy of Real-Time Music Traffic

참고문헌 (14)

H. Feng and Y. Shu, "Study on network traffic prediction？techniques," Proceedings 2005 International Conference？on Wireless Communications, Networking and Mobile？Computing, pp.1041-1044, 2005.
S. J. Jung, Y. K. Chung, and C. G. Kim, "Network routing？by traffic prediction on time series models," Journal of？KISS: Information Networking, Vol.32, No.4, pp.433-442,？2005.
S. Hochreiter and J. Schmidhuber, "Long short-term memory," Neural Computation, Vol.9, No.8, pp.1735-1780,？1997.

상세보기
J. Chung, C. Gulcehre, K. Cho, and Y. Bengio, "Empirical？evaluation of gated recurrent neural networks on sequence？modeling," CoRR, abs/1412.3555, 2014.
A. M. Schaefer, S. Udluft, and H. G, Zimmermann, "Learning？long-term dependencies with recurrent neural networks,"？Neurocomputing, Vol.71, No.13-15, pp.2481-2488, 2008.

상세보기
T. P. Oliveria, J. S. Barbar, and A. S. Soares, "Computer？network traffic prediction: A comparison between traditional and deep learning neural networks," International？Journal of Big Data Intelligence, Vol.3, No.1, pp.28-37,？2016.
P. W. Lee, S. Y. Park, and Y. T. Shin, "Machine learning-based network slicing resource reservation scheme in 5G？network," Proceedings of the Korea Information Processing？Society Conference, Vol.27, No.1, pp.56-59, 2020.
S. Jaffry and S. F. Hasan, "Cellular traffic prediction using？recurrent neural networks," 2020 IEEE 5th International？Symposium on Telecommunication Technologies (ISTT),？pp.94-98, 2020.
I. G. Lee and M. H. Song, "Leased line traffic prediction？using a recurrent deep neural network model," KIPS？Transactions on Software and Data Engineering, Vol.10,？No.10, pp.391-398,
Y. J. Jang, "Network prediction of traffic generation？amount using time series prediction model," Master degree？at Hanyang University, 2022.
G. Aceto, G. Bovenzi, D. Ciuonzo, A. Montieri, V. Persico,？and A. Pescape, "Characterization and prediction of？Mobile-App traffic using markov modeling," IEEE Transactions On Network And Service Management, Vol.18,？No.1, pp.907-925,

상세보기
Wireshark [Internet], https://www.wireshark.org/.
Q. Liu, J. Li, and Z. Lu, "ST-Tran: Spatial-temporal transformer for cellular traffic prediction," in IEEE Communications Letters, Vol.25, No.10, pp.3325-3329, 2021

상세보기
D. Aloraifan, I. Ahmad, and E. Alrashed, "Deep learning？based network traffic matrix prediction," International？Journal of Intelligent Networks, Vol.2, pp.46-56, 2021.？

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증