Classificação de tráfego online baseada em sub-fluxos
Made available in DSpace on 2019-03-29T23:33:01Z (GMT). No. of bitstreams: 0 Previous issue date: 2011-11-10 === Classification based on sub-flows is a step towards meeting the requirements for online classification of network traffic. This work describes a classification strategy based on sub-flo...
| Main Author: | |
|---|---|
| Other Authors: | |
| Language: | Portuguese |
| Published: |
Universidade de Fortaleza
2011
|
| Subjects: | |
| Online Access: | https://uol.unifor.br/oul/ObraBdtdSiteTrazer.do?method=trazer&ns=true&obraCodigo=88170 http://dspace.unifor.br/handle/tede/88170 |
| Summary: | Made available in DSpace on 2019-03-29T23:33:01Z (GMT). No. of bitstreams: 0
Previous issue date: 2011-11-10 === Classification based on sub-flows is a step towards meeting the requirements for online classification of network traffic. This work describes a classification strategy based on sub-flows, applied to TCP and UDP traffics, which opens a perspective to classify the entire traffic of a link. The proposed work uses the One-Against-All (OAA) decompo- sition applied to statistical features of sub-flows obtained only from the information of packet headers. The OAA decomposition explores the characteristic to build highly spe- cialized binary classifiers for each application class. The results show a mean accuracy of 98% for the selected classes.
Keywords: Online traffic classification, one-against-all classification. === A classificação baseada em sub-fluxos é um passo no sentido de cumprir os requisitos para a classificação online do tráfego de rede. Este trabalho descreve uma estratégia de classificação baseada em sub-fluxos, aplicada aos tráfegos TCP e UDP, que abre uma perspectiva para classificar todo o tráfego de um link. O trabalho proposto utiliza a decomposição de um-contra-todos (1CT) sobre variáveis estatísticas dos sub-fluxos, as quais são obtidas somente a partir da informação dos cabeçalhos dos pacotes. A de- composição 1CT explora a característica de construir classificadores binários altamente especializados para cada classe de aplicação. Os resultados mostram uma precisão média de 98% para as classes selecionadas.
Palavras-chave: Classificação de tráfego online, classificação um-contra-todos |
|---|