mVoIP 트래픽의 플로우 기반 특징을 이용한 서비스 분류
- 발행기관 아주대학교
- 지도교수 홍만표
- 발행년도 2012
- 학위수여년월 2012. 2
- 학위명 석사
- 학과 및 전공 일반대학원 지식정보보안학과
- 실제URI http://www.dcollection.net/handler/ajou/000000012193
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
최근 스마트폰의 보급이 확대 되면서 사용자들의 인터넷 사용 시간과 함께 인터넷 트래픽의 증가를 가져왔다. 그와 함께 많은 영상 스트리밍과 무료 메신저 및 무료 mVoIP서비스의 선호도 증가하고 있다. 이들 서비스들이 폭증하는 시간대에는 망 부하가 크게 증가하여, 통신대란까지 우려되고 있다. QoS등의 목적으로 트래픽 분류가 필요한 시점이다. 하지만, 보안등의 목적으로 payload등이 암호화 되거나 비공개 프로토콜을 사용하는 프로그램들이 증가하는 환경에서 이러한 서비스들을 분류해내는 것은 전통적으로 사용되어 왔던 DPI(Deep Packet Inspection)등의 기법으로는 그 효율 및 성능에 난점을 갖는다. 본 논문의 목적은 Skype와 Viber라는 어플리케이션의 비공개 프로토콜을 사용하는 mVoIP 트래픽을 분류해 내는 것이다. 이 작업을 하기위해 기계학습 알고리즘을 사용하였다. 상대적으로 분류 모델을 생성해 내기에 충분치 않은 학습 데이터가 수집 되었을 때, 충분한 학습 데이터를 확보할 수 있는 방안을 제안하였고, 이렇게 얻은 데이터를 사용하여, 다섯 가지의 기계학습 알고리즘을 기반으로 하는 분류기를 만들었다. 플로우 기반 특징(feature)들을 사용하여 분류기를 학습시키고, 학습된 분류기의 성능을 실험 하였다. 실험의 결과로 C4.5, RIPPER, Adaboost C4.5, Adaboost RIPPER, SVM, 나이브 베이지언의 다섯 개의 알고리즘을 기반으로 하는 분류기의 성능을 나타내었다. 나이브 베이지언 알고리즘이 F-mesaure 값을 기준으로 가장 나은 성능을 보였다.
more목차
제1장 서론 1
제1절 연구배경 1
제2절 연구 목적 2
제3절 연구의 구성 3
제2장 관련연구 4
제1절 기계학습 알고리즘 4
제1항 RIPPER 5
제2항 C4.5 8
제3항 나이브 베이지언(naive bayesian) 10
제4항 SVM(Support Vector Machine) 12
제2절 학습기 결합 14
제1항 학습기 결합의 필요성 14
제2항 앙상블 생성 14
제3항 부스팅 15
제3절 성능평가 16
제1항 재 샘플링에 의한 성능 평가 16
제2항 교차검증 16
제3장 기계학습을 사용하는 트래픽 분류 시스템 19
제1절 시스템 설계 19
제2절 데이터의 수집 22
제3절 특징(feature)의 추출 24
제4절 제안하는 인스턴스 증량 방안 25
제5절 사용된 feature 28
제6절 분류기의 적용 29
제4장 실험 및 결과 31
제1절 Precision 및 Recall 31
제2절 F-measure 및 FalsePositive 34
제5장 결론 36
