論文の概要: NetTiSA: Extended IP Flow with Time-series Features for Universal
Bandwidth-constrained High-speed Network Traffic Classification
- arxiv url: http://arxiv.org/abs/2310.05530v1
- Date: Mon, 9 Oct 2023 08:51:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-12 06:38:44.856869
- Title: NetTiSA: Extended IP Flow with Time-series Features for Universal
Bandwidth-constrained High-speed Network Traffic Classification
- Title(参考訳): NetTiSA: 帯域制限付き高速ネットワークトラフィック分類のための時系列特徴付き拡張IPフロー
- Authors: Josef Koumar, Karel Hynek, Jaroslav Pe\v{s}ek and Tom\'a\v{s}
\v{C}ejka
- Abstract要約: 本稿では,NetTiSA (Network Time Series Analysed) と呼ばれる新しい拡張IPフローを提案する。
25の異なるネットワーク分類タスクを徹底的にテストすることにより、NetTiSAの幅広い適用性と高いユーザビリティを示す。
新機能セットは100,Gbpsの高速ISPネットワークに普遍的でデプロイ可能であることが証明された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Network traffic monitoring based on IP Flows is a standard monitoring
approach that can be deployed to various network infrastructures, even the
large IPS-based networks connecting millions of people. Since flow records
traditionally contain only limited information (addresses, transport ports, and
amount of exchanged data), they are also commonly extended for additional
features that enable network traffic analysis with high accuracy. Nevertheless,
the flow extensions are often too large or hard to compute, which limits their
deployment only to smaller-sized networks. This paper proposes a novel extended
IP flow called NetTiSA (Network Time Series Analysed), which is based on the
analysis of the time series of packet sizes. By thoroughly testing 25 different
network classification tasks, we show the broad applicability and high
usability of NetTiSA, which often outperforms the best-performing related
works. For practical deployment, we also consider the sizes of flows extended
for NetTiSA and evaluate the performance impacts of its computation in the flow
exporter. The novel feature set proved universal and deployable to high-speed
ISP networks with 100\,Gbps lines; thus, it enables accurate and widespread
network security protection.
- Abstract(参考訳): IP Flowsに基づくネットワークトラフィック監視は、さまざまなネットワークインフラストラクチャ、さらには数百万人を接続するIPSベースの大規模ネットワークにデプロイ可能な、標準的な監視アプローチである。
フローレコードは、伝統的に限られた情報(アドレス、ポート、交換されたデータの量)しか含まないため、高い精度でネットワークトラフィック分析を可能にする追加機能のために拡張される。
それにもかかわらず、フロー拡張はしばしば大きすぎるか、計算が難しいため、デプロイメントは小さなネットワークに限られる。
本稿では,パケットサイズの時系列解析に基づくNetTiSA(Network Time Series Analysed)と呼ばれる新しい拡張IPフローを提案する。
25の異なるネットワーク分類タスクを徹底的にテストすることにより、NetTiSAの幅広い適用性と高いユーザビリティを示す。
実運用では,NetTiSA向けに拡張されたフローのサイズも考慮し,フローエクスポート装置における計算の性能への影響を評価する。
新機能セットは100\,gbpsの高速ispネットワークに普遍的かつデプロイ可能であることが証明され、正確かつ広範なネットワークセキュリティ保護が可能となった。
関連論文リスト
- RouteNet-Gauss: Hardware-Enhanced Network Modeling with Machine Learning [5.381741076460799]
本稿では、これらの課題に対処するために、テストベッドネットワークと機械学習(ML)モデルとの新たな統合であるRouteNet-Gaussを紹介する。
ハードウェアアクセラレータとしてテストベッドを使用することで、RouteNet-Gaussはトレーニングデータセットを高速に生成し、実世界の条件に対する忠実度の高いネットワークシナリオをシミュレートする。
実験結果から,RouteNet-Gaussは予測誤差を最大95%削減し,最新のDES法に比べて推論時間の488倍の高速化を実現していることがわかった。
論文 参考訳(メタデータ) (2025-01-15T15:00:11Z) - NetFlowGen: Leveraging Generative Pre-training for Network Traffic Dynamics [72.95483148058378]
我々は,NetFlowレコードからのトラフィックデータのみを用いて,トラフィックダイナミクスをキャプチャする汎用機械学習モデルを事前学習することを提案する。
ネットワーク特徴表現の統一,未ラベルの大規模トラフィックデータ量からの学習,DDoS攻撃検出における下流タスクのテストといった課題に対処する。
論文 参考訳(メタデータ) (2024-12-30T00:47:49Z) - MIETT: Multi-Instance Encrypted Traffic Transformer for Encrypted Traffic Classification [59.96233305733875]
トラフィックの分類は、セキュリティの脅威を検出し、ネットワーク管理を最適化するために不可欠である。
トークンレベルとパケットレベルの両方の関係をキャプチャするMulti-Instance Encrypted Traffic Transformer (MIETT)を提案する。
MIETTは5つのデータセットにまたがって結果を達成し、暗号化されたトラフィックの分類と複雑なネットワーク動作の理解の有効性を示す。
論文 参考訳(メタデータ) (2024-12-19T12:52:53Z) - LightningNet: Distributed Graph-based Cellular Network Performance Forecasting for the Edge [7.078791178325328]
セルラーネットワークの性能を予測するための軽量分散グラフベースのフレームワークLightningNetを提案する。
私たちのアーキテクチャイデオロギーは、IoTとエッジデバイスをサポートするように設計されています。
論文 参考訳(メタデータ) (2024-02-08T21:56:43Z) - Network Traffic Classification based on Single Flow Time Series Analysis [0.0]
本稿では,単一フロータイムシリーズの時系列解析に基づく交通特徴の新たなフロー拡張を提案する。
我々は,広く知られている15のデータセットを用いて,各種ネットワークトラフィック分類タスクのユーザビリティと特徴ベクトルの達成を実証した。
論文 参考訳(メタデータ) (2023-07-25T12:00:48Z) - ATHEENA: A Toolflow for Hardware Early-Exit Network Automation [11.623574576259859]
ATHEENA (Aware Early-Exit Network Automation) のためのツールフロー
このようなネットワークから早期に抜け出すサンプルの確率を利用して、ネットワークの異なるセクションに割り当てられたリソースをスケールするツールフロー。
論文 参考訳(メタデータ) (2023-04-17T16:06:58Z) - Lightweight and Progressively-Scalable Networks for Semantic
Segmentation [100.63114424262234]
マルチスケール学習フレームワークは,セマンティックセグメンテーションを向上する有効なモデルのクラスと見なされてきた。
本稿では,畳み込みブロックの設計と,複数スケールにわたる相互作用の仕方について,徹底的に解析する。
我々は,軽量で拡張性の高いネットワーク(LPS-Net)を考案した。
論文 参考訳(メタデータ) (2022-07-27T16:00:28Z) - Network Generalization Prediction for Safety Critical Tasks in Novel
Operating Domains [0.0]
本稿では,新しい操作領域において期待されるネットワーク性能を予測するタスクネットワーク一般化予測を提案する。
本稿では、解釈可能なコンテキストサブスペースの観点からネットワーク性能を記述し、ネットワーク性能に関する最も優れた情報を提供するコンテキストサブスペースの特徴を選択するための方法論を提案する。
論文 参考訳(メタデータ) (2021-08-17T01:55:54Z) - FENXI: Deep-learning Traffic Analytics at the Edge [69.34903175081284]
本稿では,TPUを利用して複雑な解析を行うシステムであるFENXIを提案する。
FENXIは、さまざまな粒度で動作するオペレーションとトラフィック分析を分離する。
分析の結果,FENXIは限られた資源しか必要とせず,転送ラインレートのトラヒック処理を継続できることがわかった。
論文 参考訳(メタデータ) (2021-05-25T08:02:44Z) - BCNet: Searching for Network Width with Bilaterally Coupled Network [56.14248440683152]
この問題に対処するため、BCNet(Bilaterally Coupled Network)と呼ばれる新しいスーパーネットを導入する。
BCNetでは、各チャネルは高度に訓練され、同じ量のネットワーク幅を担っているため、ネットワーク幅をより正確に評価することができる。
提案手法は,他のベースライン手法と比較して,最先端あるいは競合的な性能を実現する。
論文 参考訳(メタデータ) (2021-05-21T18:54:03Z) - Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。
標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
論文 参考訳(メタデータ) (2020-04-06T15:51:00Z)
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。