Detalhes bibliográficos
| Ano de defesa: |
2023 |
| Autor(a) principal: |
Monks, Eduardo Maroñas |
| Orientador(a): |
Yamin, Adenauer Corrêa |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal de Pelotas
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação em Computação
|
| Departamento: |
Centro de Desenvolvimento Tecnológico
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
http://guaiaca.ufpel.edu.br/handle/prefix/9238
|
Resumo: |
Dentre os desafios para a classificação do tráfego de rede, destaca-se a manuten ção da privacidade dos usuários, a qual tem por base o uso de técnicas de criptografia e de ofuscação do tráfego. Tal desafio, associado a dinamicidade e similaridade entre os protocolos utilizados pelos diferentes serviços, bem como às típicas oscilações das condições operacionais das redes, as quais impactam na análise dos dados captura dos, vem inviabilizando o uso de métodos clássicos para classificação. Considerando isto, o objetivo geral desta Tese é a concepção de uma abordagem híbrida para clas sificação do tráfego de rede, denominada FuzzyNetClass, direcionada ao perfil atual de uso das redes de computadores e deste modo considerando as incertezas geradas pelas flutuações nos recursos de rede das infraestruturas compartilhadas, que são de natureza não determinística. Mais especificamente, este trabalho visa contribuir para a classificação do tráfego relacionado ao streaming de vídeo, explorando a integração de sistemas de inferência baseados em lógica fuzzy valorada intervalarmente e algo ritmos de aprendizagem de máquina. Nesta perspectiva, a abordagem FuzzyNetClass estende os trabalhos relacionados ao explorar algoritmos de aprendizagem que con tribuem para a classificação realizada pelo sistema de controle fuzzy proposto, en tretanto, preservando para os especialistas envolvidos aspectos relacionados à sua interpretabilidade. Dentre as contribuições da abordagem FuzzyNetClass destacam se: (i) classificação baseada no conhecimento de especialistas e na exploração da lógica fuzzy multivalorada; (ii) classificação híbrida, a qual tem potencial de prover re sultados de maior confiabilidade e também mais realísticos; e, (iii) a concepção de mecanismos de otimização que advém da integração entre técnicas de aprendizagem de máquina e a inferência baseada em lógica multivalorada. Para avaliação das con tribuições da abordagem FuzzyNetClass foram discutidos três estudos de casos, os quais consideraram Datasets concebidos a partir de capturas reais de tráfego de rede. Os resultados obtidos se mostraram promissores e apontam para a continuidade dos esforços de estudo e pesquisa no tema. |
