Abordagem Híbrida FuzzyNetClass: Uma Contribuição à Classificação do Tráfego de Streaming de Vídeo Integrando Lógica Fuzzy Valorada Intervalarmente e Aprendizagem de Máquina

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.