Detalhes bibliográficos
| Ano de defesa: |
2013 |
| Autor(a) principal: |
Pereira, Silas Santiago Lopes |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Estadual do Ceará
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=75255
|
Resumo: |
<div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">O crescimento contínuo das redes de alta velocidade é um desafio para sistemas de análise de </span></font><span style="font-size: 13.3333px; font-family: Arial, Verdana;">rede em tempo real. Este trabalho apresenta o projeto e implementação de um monitor classi</span><span style="font-size: 13.3333px; font-family: Arial, Verdana;">ficador de tráfego Internet em tempo real baseado em fluxo. O monitor classificador funciona </span><span style="font-size: 13.3333px; font-family: Arial, Verdana;">como um pipeline composto de três módulos: captura e pré-processamento, remontagem dos </span><span style="font-size: 13.3333px; font-family: Arial, Verdana;">fluxos e classificação. Os módulos são construídos como processos concorrentes com interfa</span><span style="font-size: 13.3333px; font-family: Arial, Verdana;">ces de dados bem definidas entre eles, de forma que qualquer dos módulos pode ser melhorado </span><span style="font-size: 13.3333px; font-family: Arial, Verdana;">e atualizado independentemente. A função de remontagem de fluxo, essencial em sistemas </span><span style="font-size: 13.3333px; font-family: Arial, Verdana;">baseados em fluxo, torna-se o maior gargalo na implementação. O atraso médio de entrega é </span><span style="font-size: 13.3333px; font-family: Arial, Verdana;">de 0.49 segundos, aproximadamente. Abordagens de classificação de tráfego, que combinem </span><span style="font-size: 13.3333px; font-family: Arial, Verdana;">dados rotulados e não rotulados para construir classificadores precisos, são adequadas, dado o </span><span style="font-size: 13.3333px; font-family: Arial, Verdana;">imenso volume de tráfego Internet a ser analisado. Para o módulo de classificação, este traba</span><span style="font-size: 13.3333px; font-family: Arial, Verdana;">lho propõe e avalia uma abordagem semi-supervisionada, que opera em nível de fluxo e utiliza </span><span style="font-size: 13.3333px; font-family: Arial, Verdana;">apenas informações derivadas dos cabeçalhos dos pacotes. No intuito de aumentar o poder pre</span><span style="font-size: 13.3333px; font-family: Arial, Verdana;">ditivo do sistema de Aprendizagem e acelerar o processo de classificação, o método proposto </span><span style="font-size: 13.3333px; font-family: Arial, Verdana;">aplica Aprendizagem, a partir de dados rotulados e não rotulados em comitê de máquinas. Ava</span><span style="font-size: 13.3333px; font-family: Arial, Verdana;">liações com dados de tráfego de rede reais indicam que o método de classificação supera em </span><span style="font-size: 13.3333px; font-family: Arial, Verdana;">desempenho as abordagens de estado da arte estudadas em três dos quatro conjuntos de dados </span><span style="font-size: 13.3333px; font-family: Arial, Verdana;">considerados, sem aumento de tempo computacional significativo.</span></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">Palavras-Chave: Remontagem de fluxos. Classificação. Tempo real. Aprendizagem Semi</span></font><span style="font-size: 13.3333px; font-family: Arial, Verdana;">supervisionada. Avaliação de desempenho.</span></div> |
