Купить СНПЧ А7 Архангельск, оперативня доставка

crosscheckdeposited

Avaliação de Classificação de Tráfego IP baseado em Aprendizagem de Máquina Restrita à Arquitetura de Serviços Diferenciados

DOI: http://dx.doi.org/10.12721/2237-5112.v01n02a02

http://www.rtic.com.br

downloadpdf

Michael Taynnan Barros1, Reinaldo Cézar de Morais Gomes1, Marcelo S. Alencar1, Paulo Ribeiro L. Júnior1 & Anderson Costa2

 

Resumo: A classificação de tráfego na arquitetura DiffServ é feita utilizando técnicas que não apresentam acurácia elevada. Esse fato pode ser a causa do baixo desempenho da arquitetura, pois com ela é preciso negociar recursos de uma determinada aplicação, que deve ser conhecida. Técnicas baseadas em aprendizagem de máquina para classificação de tráfego IP são as abordagens usadas, atualmente, para aumentar a acurácia na etapa de classificação. Este artigo apresenta uma avaliação de desempenho dessas técnicas (Árvores de Decisão, Naive Bayes, Redes Bayseanas e Redes Neurais) com base nas restrições de complexidade do DiffServ. Os resultados apresentam uma indicação para as técnicas: Àrvores de Decisão e Redes Bayseanas.

Palavras-chave: Classificação, tráfego, redes bayseanas

 

1 Instituto de Estudos Avançados em Comunicações, Campina Grande, PB, Universidade Federal de Campina Grande, Campina Grande, PB. E-mails: michael.taob@iecom.org.br, reinaldo@dsc.ufcg.edu.br, malencar@iecom.org.br, paulo@iecom.org.br

2 Instituto Federal de Educação, Ciência e Tecnologia da Paraiba, Campina Grande, PB. E-mail: anderson@ifpb.edu.br

 

Literatura Citada

[1] S. Richards, FutureNet: The Past, Present, and Future of the Internet as Told by Its Creators and Visionaries, Wiley, Ed. Wiley, 2002.

[2] J. Zittrain, The Future of the Internet–And How to Stop It, Caravan, Ed. Caravan, 2008.

[3] T. Tronco, New Network Architectures: The path to the future internet, Springer, Ed. Springer, 2010.

[4] A. Meddeb, “Internet qos: pieces of the puzzle,” Comm. Mag., vol. 48, pp. 86–94, January 2010. [Online]. Available: http://portal.acm.org/citation.cfm?id=1820984.1821000

[5] S. Blake, D. Black, M. Carlson, E. Davies, Z. Wang, and W. Weiss, “An Architecture for Differentiated Service,” RFC 2475 (Informational), Internet Engineering Task Force, December 1998, updated by RFC 3260. [Online]. Available: http://www.ietf.org/rfc/rfc2475.txt

[6] H. Kim, D. Barman, M. Faloutsos, M. Fomenkov, and K. Lee, “Internet traffic classification demystified: The myths, caveats and best practices,” in In Proc. ACM CoNEXT, 2008. doi

[7] A. Callado, C. Kamienski, G. Szabo, B. Gero, J. Kelner, S. Fernandes, and D. Sadok, “A survey on internet traffic identification,” Communications Surveys Tutorials, IEEE, vol. 11, no. 3, pp. 37 –52, quarter 2009.

[8] L. Jun, Z. Shunyi, L. Yanqing, and Z. Zailong, “Internet traffic classification using machine learning,” in Communications and Networking in China, 2007. CHINACOM ’07. Second International Conference on, aug. 2007, pp. 239 –243.

[9] T. Nguyen and G. Armitage, “A survey of techniques for internet traffic classification using machine learning,” Communications Surveys Tutorials, IEEE, vol. 10, no. 4, pp. 56 –76, quarter 2008.

[10] Y.-s. Lim, H.-c. Kim, J. Jeong, C.-k. Kim, T. T. Kwon, and Y. Choi, “Internet traffic classification demystified: on the sources of the discriminative power,” in Proceedings of the 6th International COnference, ser. Co-NEXT ’10. New York, NY, USA: ACM, 2010, pp. 9:1–9:12. [Online]. Available: http://doi.acm.org/10.1145/1921168.1921180

[11] C. Filsfils and J. Evans, “Deploying diffserv in backbone networks for tight sla control,” IEEE Internet Computing, vol. 9, pp. 58–65, January 2005. [Online]. Available: http://portal.acm.org/citation.cfm?id=1053547.1053594

[12] T. Onali and L. Atzori, “Traffic classification and bandwidth management in diffserv-aware traffic engineering architectures,” in ICC, 2008, pp. 70–74.

[13] J. Park, H.-R. Tyan, and C.-C. Kuo, “Internet traffic classification for scalable qos provision,” in Multimedia and Expo, 2006 IEEE International Conference on, july 2006, pp. 1221 –1224.

[14] J. Park, H.-R. Tyan, and C.-C. J. Kuo, “Ga-based internet traffic classification technique for qos provisioning,” in Proceedings of the 2006 International Conference on Intelligent Information Hiding and Multimedia, ser. IIH-MSP ’06. Washington, DC, USA: IEEE Computer Society, 2006, pp. 251–254. doi

[15] CAIDA, http://www.caida.org/home/. Acessado em Agosto 2011, 2011.

[16] WIDE, http://mawi.wide.ad.jp/mawi/. Acessado em Agosto 2011, 2011.

[17] S. Lee, H. Kim, D. Barman, S. Lee, C.-k. Kim, T. Kwon, and Y. Choi, “Netramark: a network traffic classification benchmark,” SIGCOMM Comput. Commun. Rev., vol. 41, pp. 22–30. [Online]. Available: http://doi.acm.org/10.1145/1925861.1925865

[18] C. R. (CAIDA), http://www.caida.org/tools/measurement/coralreef/, 2011.

[19] M. Baldi and Y. Ofek, “End-to-end delay analysis of videoconferencing over packet switched networks,” IEEE/ACM Transactions on Networking, vol. 8, pp. 479–492, 1998. doi