論文の概要: Towards Intelligent Network Management: Leveraging AI for Network Service Detection

• arxiv url: http://arxiv.org/abs/2310.09609v1
• Date: Sat, 14 Oct 2023 16:06:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-18 01:54:31.510308
• Title: Towards Intelligent Network Management: Leveraging AI for Network Service Detection
• Title（参考訳）: インテリジェントネットワーク管理に向けて: ネットワークサービス検出にaiを活用する
• Authors: Khuong N. Nguyen (1), Abhishek Sehgal (1), Yuming Zhu (1), Junsu Choi (2), Guanbo Chen (1), Hao Chen (1), Boon Loong Ng (1), Charlie Zhang (1) ((1) Standards and Mobility Innovation Laboratory - Samsung Research America, (2) Samsung Electronics Co., Ltd)
• Abstract要約: 本研究では,高度なネットワークトラフィック分類システムを構築するために機械学習手法を活用することに焦点を当てた。 我々は,様々なネットワークサービスタイプをリアルタイムに識別する,新しいデータ駆動型アプローチを提案する。 本システムは,ネットワークサービスを識別する際,顕著な精度を示す。
• 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: As the complexity and scale of modern computer networks continue to increase, there has emerged an urgent need for precise traffic analysis, which plays a pivotal role in cutting-edge wireless connectivity technologies. This study focuses on leveraging Machine Learning methodologies to create an advanced network traffic classification system. We introduce a novel data-driven approach that excels in identifying various network service types in real-time, by analyzing patterns within the network traffic. Our method organizes similar kinds of network traffic into distinct categories, referred to as network services, based on latency requirement. Furthermore, it decomposes the network traffic stream into multiple, smaller traffic flows, with each flow uniquely carrying a specific service. Our ML models are trained on a dataset comprised of labeled examples representing different network service types collected on various Wi-Fi network conditions. Upon evaluation, our system demonstrates a remarkable accuracy in distinguishing the network services. These results emphasize the substantial promise of integrating Artificial Intelligence in wireless technologies. Such an approach encourages more efficient energy consumption, enhances Quality of Service assurance, and optimizes the allocation of network resources, thus laying a solid groundwork for the development of advanced intelligent networks.
• Abstract（参考訳）: 現代のコンピュータネットワークの複雑さと規模が増大し続けており、最先端の無線接続技術において重要な役割を果たす正確なトラフィック分析が緊急に必要となってきた。 本研究では,高度なネットワークトラフィック分類システムを構築するために機械学習手法を活用することに焦点を当てた。 ネットワークトラフィック内のパターンを解析することにより,さまざまなネットワークサービスタイプをリアルタイムに識別する,新たなデータ駆動型アプローチを提案する。 本手法は,遅延要求に基づいて,類似のネットワークトラフィックをネットワークサービスと呼ばれるカテゴリに分類する。 さらに、ネットワークトラフィックストリームを複数のより小さなトラフィックフローに分解し、それぞれのフローが特定のサービスを一意に保持する。 私たちのmlモデルは、さまざまなwi-fiネットワーク条件で収集された異なるネットワークサービスタイプを表すラベル付き例からなるデータセットでトレーニングされます。 評価を行った結果,ネットワークサービスの識別精度が著しく向上した。 これらの結果は、ワイヤレス技術に人工知能を統合するという大きな約束を強調している。 このようなアプローチは、より効率的なエネルギー消費を促進し、Quality of Service Assuranceを強化し、ネットワークリソースの割り当てを最適化する。

関連論文リスト

• AI Flow at the Network Edge [58.31090055138711]
  AI Flowは、デバイス、エッジノード、クラウドサーバ間で利用可能な異種リソースを共同で活用することで、推論プロセスを合理化するフレームワークである。 この記事では、AI Flowのモチベーション、課題、原則を特定するためのポジションペーパーとして機能する。
  論文  参考訳（メタデータ） (2024-11-19T12:51:17Z)
• Deep Learning Approaches for Network Traffic Classification in the Internet of Things (IoT): A Survey [0.0]
  IoT(Internet of Things)は前例のない成長を遂げ、相互接続されたデバイスからの多様なネットワークトラフィックが大量に流入している。 このネットワークトラフィックを効果的に分類することは、リソース割り当ての最適化、セキュリティ対策の強化、IoTシステムにおける効率的なネットワーク管理の確保に不可欠である。 ディープラーニングは、生データから複雑なパターンや表現を自動的に学習する能力のために、ネットワークトラフィック分類の強力なテクニックとして登場した。
  論文  参考訳（メタデータ） (2024-02-01T14:33:24Z)
• NetGPT: Generative Pretrained Transformer for Network Traffic [4.205009931131087]
  ネットワークトラフィックの事前訓練モデルでは,大規模生データを用いてネットワークトラフィックの本質的特性を学習することができる。 本稿では,トラフィックの理解と生成のための生成事前学習モデルNetGPTを提案する。
  論文  参考訳（メタデータ） (2023-04-19T09:04:30Z)
• Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna Tuning [60.94661435297309]
  モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。 本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。 シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
  論文  参考訳（メタデータ） (2023-01-20T17:06:34Z)
• AI in 6G: Energy-Efficient Distributed Machine Learning for Multilayer Heterogeneous Networks [7.318997639507269]
  本稿では,ネットワーク層とエンティティにまたがるさまざまな機械学習手法に関連するタスクを分散する,階層ベースの新しいHetNetアーキテクチャを提案する。 このようなHetNetは、複数のアクセス方式と、エネルギー効率を高めるためのデバイス間通信(D2D)を備えている。
  論文  参考訳（メタデータ） (2022-06-04T22:03:19Z)
• Machine Learning Empowered Intelligent Data Center Networking: A Survey [35.55535885962517]
  本稿では,機械学習のデータセンターネットワークへの応用を包括的に検討する。 フロー予測、フロー分類、ロードバランシング、リソース管理、ルーティング最適化、渋滞制御をカバーしている。 我々はREBEL-3Sと呼ばれる品質評価基準を設計し、これらの研究の長所と短所を公平に測定する。
  論文  参考訳（メタデータ） (2022-02-28T05:27:22Z)
• Offline Contextual Bandits for Wireless Network Optimization [107.24086150482843]
  本稿では,ユーザ要求の変化に応じて,ネットワーク内の各セルの構成パラメータを自動的に調整するポリシの学習方法について検討する。 私たちのソリューションは、オフライン学習のための既存の方法を組み合わせて、この文脈で生じる重要な課題を克服する原則的な方法でそれらを適応します。
  論文  参考訳（メタデータ） (2021-11-11T11:31:20Z)
• Distributed Learning in Wireless Networks: Recent Progress and Future Challenges [170.35951727508225]
  次世代のワイヤレスネットワークは、エッジデバイスが収集するさまざまな種類のデータを分析する多くの機械学習ツールやアプリケーションを可能にする。 エッジデバイスが生データ交換なしでMLモデルを協調的にトレーニングできるようにする手段として,分散学習と推論技術が提案されている。 本稿では,ワイヤレスエッジネットワーク上で分散学習を効率的に効果的に展開する方法を包括的に研究する。
  論文  参考訳（メタデータ） (2021-04-05T20:57:56Z)
• Deep-Mobility: A Deep Learning Approach for an Efficient and Reliable 5G Handover [0.0]
  5Gセルネットワークは世界中に展開されており、このアーキテクチャは超高密度ネットワーク(UDN)デプロイメントをサポートしている。 小細胞はエンドユーザに5G接続を提供する上で非常に重要な役割を担います。 従来のハンドオーバ改善方式とは対照的に,ネットワークモビリティを管理するために,深層学習ニューラルネットワーク(DLNN)を実装した「ディープ・モビリティ」モデルを開発した。
  論文  参考訳（メタデータ） (2021-01-17T00:31:37Z)
• Graph-Based Neural Network Models with Multiple Self-Supervised Auxiliary Tasks [79.28094304325116]
  グラフ畳み込みネットワークは、構造化されたデータポイント間の関係をキャプチャするための最も有望なアプローチである。 マルチタスク方式でグラフベースニューラルネットワークモデルを学習するための3つの新しい自己教師付き補助タスクを提案する。
  論文  参考訳（メタデータ） (2020-11-14T11:09:51Z)
• Deep Learning for Ultra-Reliable and Low-Latency Communications in 6G Networks [84.2155885234293]
  まず,データ駆動型教師付き深層学習と深部強化学習をURLLCに適用する方法を概説する。 このようなオープンな問題に対処するために、デバイスインテリジェンス、エッジインテリジェンス、およびURLLCのためのクラウドインテリジェンスを可能にするマルチレベルアーキテクチャを開発した。
  論文  参考訳（メタデータ） (2020-02-22T14:38:11Z)

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。