Fugu-MT 論文翻訳(概要): Real-time Traffic Classification for 5G NSA Encrypted Data Flows With Physical Channel Records

論文の概要: Real-time Traffic Classification for 5G NSA Encrypted Data Flows With Physical Channel Records

arxiv url: http://arxiv.org/abs/2307.07756v1
Date: Sat, 15 Jul 2023 09:32:34 GMT
ステータス: 処理完了
システム内更新日: 2023-07-18 17:58:09.533016
Title: Real-time Traffic Classification for 5G NSA Encrypted Data Flows With Physical Channel Records
Title（参考訳）: 5G NSA暗号化データフローの物理チャネル記録によるリアルタイムトラフィック分類
Authors: Xiao Fei, Philippe Martins and Jialiang Lu
Abstract要約: 第5世代New-Radio(5G-NR)モバイルネットワークトラフィックの分類は、通信分野における新たな話題である。 Deep Packet Inspection (DPI)のような従来のアプローチは、暗号化されたデータフローに直接適用することはできない。本研究では,物理チャネルレコードを用いたリアルタイム暗号化された5Gノンスタンダローン(NSA)アプリケーションレベルのトラフィック分類について検討する。
参考スコア（独自算出の注目度）: 3.8998980344852856
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The classification of fifth-generation New-Radio (5G-NR) mobile network traffic is an emerging topic in the field of telecommunications. It can be utilized for quality of service (QoS) management and dynamic resource allocation. However, traditional approaches such as Deep Packet Inspection (DPI) can not be directly applied to encrypted data flows. Therefore, new real-time encrypted traffic classification algorithms need to be investigated to handle dynamic transmission. In this study, we examine the real-time encrypted 5G Non-Standalone (NSA) application-level traffic classification using physical channel records. Due to the vastness of their features, decision-tree-based gradient boosting algorithms are a viable approach for classification. We generate a noise-limited 5G NSA trace dataset with traffic from multiple applications. We develop a new pipeline to convert sequences of physical channel records into numerical vectors. A set of machine learning models are tested, and we propose our solution based on Light Gradient Boosting Machine (LGBM) due to its advantages in fast parallel training and low computational burden in practical scenarios. Our experiments demonstrate that our algorithm can achieve 95% accuracy on the classification task with a state-of-the-art response time as quick as 10ms.
Abstract（参考訳）: 第5世代New-Radio(5G-NR)モバイルネットワークトラフィックの分類は、通信分野における新たな話題である。品質・オブ・サービス(QoS)管理や動的リソース割り当てに利用することができる。しかし、Deep Packet Inspection (DPI)のような従来のアプローチは、暗号化されたデータフローに直接適用することはできない。そのため、動的送信を処理するために、新しいリアルタイム暗号化トラフィック分類アルゴリズムを検討する必要がある。本研究では,実時間暗号化された5gノンスタンダロン(nsa)アプリケーションレベルのトラフィック分類について,物理チャネル記録を用いて検討する。特徴の広さのため、決定木に基づく勾配ブースティングアルゴリズムは分類に有効なアプローチである。我々は、複数のアプリケーションからのトラフィックを伴うノイズ制限された5G NSAトレースデータセットを生成する。物理チャネルレコードのシーケンスを数値ベクトルに変換するパイプラインを新たに開発した。そこで本研究では, 高速並列学習の利点と実用シナリオにおける計算負荷の低さから, 光勾配ブースティングマシン (lgbm) を用いた機械学習モデルを提案する。実験により,本アルゴリズムは,最先端の応答時間10msで95%の精度を達成できることが実証された。

関連論文リスト

Quanv4EO: Empowering Earth Observation by means of Quanvolutional Neural Networks [62.12107686529827]
本稿は、大量のリモートセンシングデータの処理において、量子コンピューティング技術を活用することへの大きなシフトを取り上げる。提案したQuanv4EOモデルでは,多次元EOデータを前処理するための準進化法が導入された。主要な知見は,提案モデルが画像分類の精度を維持するだけでなく,EOのユースケースの約5%の精度向上を図っていることを示唆している。
論文参考訳（メタデータ） (2024-07-24T09:11:34Z)
Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data [55.70071704247794]
統合センシング・通信(ISAC)は6G通信において重要であり、再構成可能なインテリジェントサーフェス(RIS)の急速な発展によって促進される本稿では,複数の帯域にまたがるマルチモーダルCSIインジケータを協調的に活用し,クロスドメイン方式で追跡機能をモデル化するX2Trackフレームワークを提案する。 X2Trackの下では、トランスフォーマーニューラルネットワークと逆学習技術に基づいて、トラッキングエラーを最小限に抑える効率的なディープラーニングアルゴリズムを設計する。
論文参考訳（メタデータ） (2024-05-10T08:04:27Z)
Traffic Analytics Development Kits (TADK): Enable Real-Time AI Inference in Networking Apps [9.466597453619976]
本稿では,AIベースのネットワーク処理に特化した業界標準フレームワークであるTraffic Analytics Development Kits (TADK)の設計について述べる。 TADKは、特別なハードウェアを必要とせずに、データセンターからエッジへのネットワーク機器のリアルタイムAIベースのネットワークワークロード処理を提供する。市販のWAFおよび5G UPFにTADKをデプロイし,評価結果から,TADKはコアあたり35.3Gbpsのスループットを達成できることがわかった。
論文参考訳（メタデータ） (2022-08-16T06:23:41Z)
Extensible Machine Learning for Encrypted Network Traffic Application Labeling via Uncertainty Quantification [0.0]
ラベル付き仮想プライベートネットワーク(VPN)暗号化ネットワークトラフィックを10のアプリケーションで生成し,5つのアプリケーションカテゴリに対応する,新たなパブリックなネットワークトラフィックデータセットを提案する。また、控えめなデータ要件で迅速にトレーニングし、キャリブレーションされた予測確率と、新しいトラフィックサンプルにフラグをつけるための解釈可能なアウト・オブ・ディストリビューション(OOD)スコアを提供するように設計されたMLフレームワークを提案する。
論文参考訳（メタデータ） (2022-05-11T16:54:37Z)
Deep neural network goes lighter: A case study of deep compression techniques on automatic RF modulation recognition for Beyond 5G networks [34.71271274267469]
このレターは、自動RF変調認識のための最先端の深部圧縮・加速技術について、詳細なビューを提供する。軽量ニューラルネットワークは、リソース制約のあるプラットフォーム上でエッジ計算能力を維持するための鍵である。
論文参考訳（メタデータ） (2022-04-09T04:51:26Z)
ET-BERT: A Contextualized Datagram Representation with Pre-training Transformers for Encrypted Traffic Classification [9.180725486824118]
トランスフォーマー(ET-BERT)からの暗号化トラフィック双方向表現と呼ばれる新しいトラフィック表現モデルを提案する。事前訓練されたモデルは、少数のタスク固有のラベル付きデータに基づいて微調整し、5つの暗号化されたトラフィック分類タスクで最先端のパフォーマンスを達成することができる。
論文参考訳（メタデータ） (2022-02-13T14:54:48Z)
Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for 5G and Beyond [70.81551587109833]
非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
論文参考訳（メタデータ） (2022-01-13T15:20:45Z)
An Adaptive Device-Edge Co-Inference Framework Based on Soft Actor-Critic [72.35307086274912]
高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
論文参考訳（メタデータ） (2022-01-09T09:31:50Z)
KG-FiD: Infusing Knowledge Graph in Fusion-in-Decoder for Open-Domain Question Answering [68.00631278030627]
検索した通路間の構造的関係を知識グラフで利用することにより,ノイズのある通路をフィルタする新しい手法KG-FiDを提案する。我々は,KG-FiDが解答一致スコアの最大1.5%向上し,計算コストの40%程度でFiDに匹敵する性能が得られることを示した。
論文参考訳（メタデータ） (2021-10-08T18:39:59Z)
Quantized Neural Networks via {-1, +1} Encoding Decomposition and Acceleration [83.84684675841167]
本稿では,量子化されたニューラルネットワーク(QNN)をマルチブランチバイナリネットワークに分解するために,-1,+1を用いた新しい符号化方式を提案する。本稿では,大規模画像分類,オブジェクト検出,セマンティックセグメンテーションにおける提案手法の有効性を検証する。
論文参考訳（メタデータ） (2021-06-18T03:11:15Z)
Encrypted Internet traffic classification using a supervised Spiking Neural Network [2.8544513613730205]
本稿では,パケットサイズと到着時刻のみに着目し,暗号化されたトラフィック分類のための機械学習手法を用いる。スパイクニューラルネットワーク(SNN)は、生物学的ニューロンの動作方法に触発される。驚くべきことに、単純なSNNはISCXデータセットで95.9%の精度に達し、以前のアプローチを上回った。
論文参考訳（メタデータ） (2021-01-24T22:46:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。