• 정보과학회 논문지
• /
• 제44권4호
• /
• pp.433-438
• /
• 2017

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.

• 인터넷정보학회논문지
• /
• 제17권1호
• /
• pp.47-53
• /
• 2016

워크플로우 소속성 네트워크는 워크플로우 기반 조직의 수행자와 업무 사이의 연관관계를 나타내는 소셜 네트워크의 한 형태이며, 이를 기반으로 연결 중심도, 근접 중심도, 사이 중심도, 위세 중심도 등과 같은 다양한 분석 기법들이 제안되었다. 특히, 전사적 워크플로우 모델을 기반으로 하는 소속성 네트워크의 근접 중심도 분석은 워크플로우 소속성 네트워크의 규모가 증가함에 따라, 중심도 및 랭킹 계산의 시간 복잡도 문제점을 가진다는 것을 발견하였다. 본 논문에서는 근접 중심도 분석의 시간 복잡도 문제를 개선하기 위해, 근사치 추정 방법을 이용한 워크플로우 기반 소속성 네트워크의 추정 근접 중심도 기반 랭킹 알고리즘을 제안한다. 노드의 타입이 수행자인, 워크플로우 예제 모델을 추정 근접 중심도 기반 랭킹 알고리즘에 적용한 성능 분석을 실시하였다. 수행 결과, 네트워크 규모 관점에서의 정확도는 평균적으로 47.5% 향상되었고, 샘플 모집단 비율 관점에서는 평균적으로 9.44%정도의 향상된 수치를 보였다. 또한, 추정 근접 중심도 랭킹 알고리즘의 평균 계산 시간은 네트워크의 노드 수가 2400개, 샘플 모집단의 비율이 30%일 때, 기존 근접 중심도 랭킹 알고리즘의 평균 계산 시간보다 82.40%의 높은 성능을 보였다.