DOI QR코드

DOI QR Code

Study on the Functional Classification of IM Application Traffic using Automata

오토마타를 이용한 메신저 트래픽의 기능별 분류에 관한 연구

  • 이상우 (고려대학교 컴퓨터정보학과) ;
  • 박준상 (고려대학교 컴퓨터정보학과) ;
  • 윤성호 (고려대학교 컴퓨터정보학과) ;
  • 김명섭 (고려대학교 컴퓨터정보학과)
  • Received : 2011.02.07
  • Accepted : 2011.07.20
  • Published : 2011.08.31

Abstract

The increase of Internet users and services has caused the upsurge of data traffic over the network. Nowadays, variety of Internet applications has emerged which generates complicated and diverse data traffic. For the efficient management of Internet traffic, many traffic classification methods have been proposed. But most of the methods focused on the application-level classification, not the function-level classification or state changes of applications. The functional classification of application traffic makes possible the in-detail understanding of application behavior as well as the fine-grained control of applications traffic. In this paper we proposed automata based functional classification method of IM application traffic. We verified the feasibility of the proposed method with function-level control experiment of IM application traffic.

최근 인터넷 사용자의 증가와 다양한 인터넷 기반 응용프로그램의 증가로 네트워크 트래픽이 급증하고 있다. 효율적인 네트워크 트래픽 관리를 위해 기존의 많은 연구들 에서 다양한 분류 알고리즘을 제시하였고, 대부분의 제안된 방법들은 응용 단위로 트래픽을 분류하며 분류의 정확성을 높이는데 초점을 두고 있다. 하지만 트래픽 제어의 관점에서 보았을 때 응용단위의 트래픽 분류는 응용의 기능별 제어의 기회를 제공하지 못하고 네트워크 사용자가 각 응용의 어떤 기능을 사용하는지를 파악하지 못하게 되는 문제점을 가지고 있다 본 논문에서는 이러한 문제점들을 해결 하기 위해 NateOn, MSN, GoogleTalk의 인터넷 메신저 응용에 대하여 기능 오토마타를 설계하고 이를 통해 메신저 응용의 기능별 트래픽 분류를 위한 방법론을 제시한다.

Keywords

References

  1. NateOn, http://nateonweb.nate.com/.
  2. MSN, http://explore.live.com/home.
  3. GoogleTalk, www.google.com/talk/.
  4. Skype, http://www.skype.com.
  5. Subhabrata Sen, Oliver Spatscheck, Dongmei Wang, "Accurate, scalable in-network identification of p2p traffic using application signatures" World Wide Web 2004, May 17-20, 2004, New York, USA.
  6. L. Deri, S. Suin, "Effective traffic measurement using ntop", IEEE Communications Magazine 38, pp.138-143, 2000.
  7. F. Risso, M. Baldi, O. Morandi, A. Baldini, and P. Monclus, "Lightweight, Payload-Based Traffic Classification An Experimental Evaluation," IEEE International Conference on Communications, Beijing, China, May. 19-23, pp.5869-5875, 2008.
  8. H.Liu, W.Feng, Y.Huang, X.Li, "A peer-to-peer traffic identification method using machine learning", in International Conference on Networking, Architecture, and Storage, NAS, July 29-31, pp.155-160, 2007.
  9. Zhu Li, Ruixi Yuan, and Xiaohong Guan, "Accurate Classification of the Internet Traffic Based on the SVM Method" Proc. of the IEEE International Conference on Communications, Glasgow, Scotland, Jun. 24-28, pp.1373-1378, 2006.
  10. Laurent Bernaille, Renata Teixeira, and Ismael Akodkenou, "Traffic classification on the fly" Proc. of the ACM SIGCOMM Computer Communication Review, Vol.36 No.2 April, pp. 23-26, 2006.
  11. Huang. Nen-Fu, Feng. Yi-Hsuan, "Application Behavior Analysis Stateful Automata Mechanism", Journal of Computers, Vol.18, No.4, January, pp.3-14, 2008.