Journal of KIISE (정보과학회 논문지)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지
DOI QR코드

DOI QR Code

A Traffic-Classification Method Using the Correlation of the Network Flow

네트워크 플로우의 연관성 모델을 이용한 트래픽 분류 방법

  • 구영훈 (고려대학교 컴퓨터정보학과) ;
  • 심규석 (고려대학교 컴퓨터정보학과) ;
  • 이성호 (고려대학교 컴퓨터정보학과) ;
  • ;
  • 김명섭 (고려대학교 컴퓨터정보학과)
  • Received : 2017.01.18
  • Accepted : 2017.02.22
  • Published : 2017.04.15
⟨ Previous Next ⟩

Abstract

Presently, the ubiquitous emergence of high-speed-network environments has led to a rapid increase of various applications, leading to constantly complicated network traffic. To manage networks efficiently, the traffic classification of specific units is essential. While various traffic-classification methods have been studied, a methods for the complete classification of network traffic has not yet been developed. In this paper, a correlation model of the network flow is defined, and a traffic-classification method for which this model is used is proposed. The proposed network-correlation model for traffic classification consists of a similarity model and a connectivity model. Suggestion for the effectiveness of the proposed method is demonstrated in terms of accuracy and completeness through experiments.

오늘날의 네트워크는 고속화와 유비쿼터스 환경으로 인해 다양한 응용이 급속도로 생성되고 있으며 네트워크 트래픽도 매우 복잡해지고 있다. 이에 효율적인 네트워크 운용 및 관리를 위한 구체적인 단위의 트래픽 분류가 필수적이다. 다양한 트래픽 분류 방법이 연구되고 있는 가운데 아직 트래픽을 완벽하게 분류해내는 방법론은 개발되지 않은 실정이다. 이에 본 논문에서는 네트워크 플로우의 연관성 모델을 정의하고 이를 기반으로 트래픽을 분류하는 방법을 제안한다. 트래픽 분류를 위한 네트워크 플로우의 연관성 모델은 크게 유사성 모델과 연결성 모델로 이루어진다. 제안하는 방법론을 효과적으로 적용하기 위한 방안을 제시하며 실험을 통해 본 분류 방법론이 높은 정확도와 분석률의 방법론이라는 것을 증명한다.

Keywords

Acknowledgement

Supported by : 한국연구재단

References

  1. S. H. Yoon, and M. S. Kim, "Research on Header Signature Maintenance Method for Internet Application Traffic Identification," Proc KICS ICC 2011, pp. 1200-1201, Jeju Island, Korea, Jun. 2011.
  2. J. S. Park, S. H. Yoon, and M. S. Kim, "Performance Improvement of the Payload Signature based Traffic Classification System using Application Traffic Temporal Locality," Proc APNOMS 2013, pp. 1-6, Hiroshima, Japan, Sep. 2013.
  3. H. M. An, J. H. Ham, and M. S. Kim, "Performance Improvement of the Statistical Information Based Traffic Identification System," KTCCS, Vol. 2, No. 8, pp. 335-342, Aug. 2013.
  4. T. Nguyen, and G. A., "A survey of techniques for internet traffic classification using machine learning," IEEE Communications Surveys & Tutorial, Vol. 10, No. 4, pp. 56-76, Jan. 2009. https://doi.org/10.1109/SURV.2008.080406
  5. S. H. Lee, and M. S. Kim, "Application Traffic Classification using TensorFlow Machine Learning Tool," Proc KICS 2016, pp. 224-225, ChungAng Univ, Korea, Nov. 2009.