The Principles of Application of Machine Learning in Classification of Network Traffic
Approaches to classification of network computing traffic on the basis of division of DPI and methods of structural analysis are systematized. The illustration of one of methods of structural analysis is developed. The algorithm which is possible for implementing in vitro is given. Perspectives of u...
Gespeichert in:
| Veröffentlicht in: | Управляющие системы и машины |
|---|---|
| Datum: | 2018 |
| Hauptverfasser: | , , , |
| Format: | Artikel |
| Sprache: | English |
| Veröffentlicht: |
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
2018
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/161566 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | The Principles of Application of Machine Learning in Classification of Network Traffic / Ya.M. Antonyuk, T.N. Oleksyuk, Ya.O. Kovalenko, B.A. Shiyak // Управляющие системы и машины. — 2018. — № 6. — С. 74-80 . — Бібліогр.: 6 назв. — англ. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-161566 |
|---|---|
| record_format |
dspace |
| spelling |
Antonyuk, Ya.M. Oleksyuk, T.N. Kovalenko, Ya.O. Shiyak, B.A. 2019-12-13T19:44:22Z 2019-12-13T19:44:22Z 2018 The Principles of Application of Machine Learning in Classification of Network Traffic / Ya.M. Antonyuk, T.N. Oleksyuk, Ya.O. Kovalenko, B.A. Shiyak // Управляющие системы и машины. — 2018. — № 6. — С. 74-80 . — Бібліогр.: 6 назв. — англ. 0130-5395 DOI: https://doi.org/10.15407/usim.2018.06.074 https://nasplib.isofts.kiev.ua/handle/123456789/161566 681.513.7 Approaches to classification of network computing traffic on the basis of division of DPI and methods of structural analysis are systematized. The illustration of one of methods of structural analysis is developed. The algorithm which is possible for implementing in vitro is given. Perspectives of use of the given systematization are planned. Цель. Целью исследования является разработка подхода к решению в общем виде задачи классификации сетевого трафика, а именно, получение на вход некоторых характеристик сетевого трафика с выдачей на выходе класса, к которому данный вид трафика относится. Результаты. Разработаны рекомендации по применению метода решения задачи классификации на основе анализа набора статистических метрик потока. Рассмотрен альтернативный способ решения одной из главных задач DPI — определение протокола прикладного уровня — на основе ограниченного количества информации, без сверки со списком известных портов (well-known ports) и без анализа полезной нагрузки. Мета. Метою дослідження є розробка підходу до вирішення у загальному вигляді задачі класифікації мережевого трафіку, а саме, отримання на вхід деяких характеристик мережевого трафіку з видачею на виході класу, до якого даний вид трафіку відноситься. Результати. Розроблено рекомендації щодо застосування методу рішення задачі класифікації на основі аналізу набору статистичних метрик потоку. Розглянуто альтернативний спосіб вирішення однієї з головних завдань DPI — визначення протоколу прикладного рівня — на основі дуже невеликої кількості інформації, без звірки зі списком широко відомих портів (well-known ports) і без аналізу корисного навантаження. en Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України Управляющие системы и машины Применения (опыт разработки и внедрения информационных технологий) The Principles of Application of Machine Learning in Classification of Network Traffic Принципы применения машинного обучения в классификации сетевого трафика Принципи застосування машинного навчання в класифікації мережевого трафіку Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
The Principles of Application of Machine Learning in Classification of Network Traffic |
| spellingShingle |
The Principles of Application of Machine Learning in Classification of Network Traffic Antonyuk, Ya.M. Oleksyuk, T.N. Kovalenko, Ya.O. Shiyak, B.A. Применения (опыт разработки и внедрения информационных технологий) |
| title_short |
The Principles of Application of Machine Learning in Classification of Network Traffic |
| title_full |
The Principles of Application of Machine Learning in Classification of Network Traffic |
| title_fullStr |
The Principles of Application of Machine Learning in Classification of Network Traffic |
| title_full_unstemmed |
The Principles of Application of Machine Learning in Classification of Network Traffic |
| title_sort |
principles of application of machine learning in classification of network traffic |
| author |
Antonyuk, Ya.M. Oleksyuk, T.N. Kovalenko, Ya.O. Shiyak, B.A. |
| author_facet |
Antonyuk, Ya.M. Oleksyuk, T.N. Kovalenko, Ya.O. Shiyak, B.A. |
| topic |
Применения (опыт разработки и внедрения информационных технологий) |
| topic_facet |
Применения (опыт разработки и внедрения информационных технологий) |
| publishDate |
2018 |
| language |
English |
| container_title |
Управляющие системы и машины |
| publisher |
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України |
| format |
Article |
| title_alt |
Принципы применения машинного обучения в классификации сетевого трафика Принципи застосування машинного навчання в класифікації мережевого трафіку |
| description |
Approaches to classification of network computing traffic on the basis of division of DPI and methods of structural analysis are systematized. The illustration of one of methods of structural analysis is developed. The algorithm which is possible for implementing in vitro is given. Perspectives of use of the given systematization are planned.
Цель. Целью исследования является разработка подхода к решению в общем виде задачи классификации сетевого трафика, а именно, получение на вход некоторых характеристик сетевого трафика с выдачей на выходе класса, к которому данный вид трафика относится. Результаты. Разработаны рекомендации по применению метода решения задачи классификации на основе анализа набора статистических метрик потока. Рассмотрен альтернативный способ решения одной из главных задач DPI — определение протокола прикладного уровня — на основе ограниченного количества информации, без сверки со списком известных портов (well-known ports) и без анализа полезной нагрузки.
Мета. Метою дослідження є розробка підходу до вирішення у загальному вигляді задачі класифікації мережевого трафіку, а саме, отримання на вхід деяких характеристик мережевого трафіку з видачею на виході класу, до якого даний вид трафіку відноситься. Результати. Розроблено рекомендації щодо застосування методу рішення задачі класифікації на основі аналізу набору статистичних метрик потоку. Розглянуто альтернативний спосіб вирішення однієї з головних завдань DPI — визначення протоколу прикладного рівня — на основі дуже невеликої кількості інформації, без звірки зі списком широко відомих портів (well-known ports) і без аналізу корисного навантаження.
|
| issn |
0130-5395 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/161566 |
| citation_txt |
The Principles of Application of Machine Learning in Classification of Network Traffic / Ya.M. Antonyuk, T.N. Oleksyuk, Ya.O. Kovalenko, B.A. Shiyak // Управляющие системы и машины. — 2018. — № 6. — С. 74-80 . — Бібліогр.: 6 назв. — англ. |
| work_keys_str_mv |
AT antonyukyam theprinciplesofapplicationofmachinelearninginclassificationofnetworktraffic AT oleksyuktn theprinciplesofapplicationofmachinelearninginclassificationofnetworktraffic AT kovalenkoyao theprinciplesofapplicationofmachinelearninginclassificationofnetworktraffic AT shiyakba theprinciplesofapplicationofmachinelearninginclassificationofnetworktraffic AT antonyukyam principyprimeneniâmašinnogoobučeniâvklassifikaciisetevogotrafika AT oleksyuktn principyprimeneniâmašinnogoobučeniâvklassifikaciisetevogotrafika AT kovalenkoyao principyprimeneniâmašinnogoobučeniâvklassifikaciisetevogotrafika AT shiyakba principyprimeneniâmašinnogoobučeniâvklassifikaciisetevogotrafika AT antonyukyam principizastosuvannâmašinnogonavčannâvklasifíkacíímereževogotrafíku AT oleksyuktn principizastosuvannâmašinnogonavčannâvklasifíkacíímereževogotrafíku AT kovalenkoyao principizastosuvannâmašinnogonavčannâvklasifíkacíímereževogotrafíku AT shiyakba principizastosuvannâmašinnogonavčannâvklasifíkacíímereževogotrafíku AT antonyukyam principlesofapplicationofmachinelearninginclassificationofnetworktraffic AT oleksyuktn principlesofapplicationofmachinelearninginclassificationofnetworktraffic AT kovalenkoyao principlesofapplicationofmachinelearninginclassificationofnetworktraffic AT shiyakba principlesofapplicationofmachinelearninginclassificationofnetworktraffic |
| first_indexed |
2025-12-07T19:37:53Z |
| last_indexed |
2025-12-07T19:37:53Z |
| _version_ |
1850879533006192640 |