Resumen

La clasificación del tráfico utilizando la medición de flujos permite a los operadores realizar una gestión de red esencial. Sin embargo, los métodos de contabilidad de flujos como NetFlow se consideran inadecuados para la clasificación, ya que requieren información adicional a nivel de paquete, análisis del comportamiento del host y hardware especializado que limita su adopción práctica. Este artículo tiene como objetivo superar estos desafíos proponiendo un mecanismo de clasificación de aprendizaje automático en dos fases con NetFlow como entrada. Las clases de flujo individuales se derivan por aplicación a través de -means y luego se utilizan para entrenar un clasificador de árbol de decisión C5.0. Como parte de la validación, la fase inicial no supervisada utilizó registros de flujo de quince aplicaciones de Internet populares que se recopilaron y se sometieron independientemente a agrupamiento -means para determinar las clases de flujo únicas generadas por aplicación. Las clases de flujo derivadas se utilizaron posteriormente para entrenar y probar un árbol de

• Materias:Cupones móviles Evaluación de señal Multidifusión Arquitectura centrada Detección de espectro
• Subjects:Mobile coupons Signal evaluation Multicast Focused architecture Spectrum sensing
• Palabras claves:Clasificación de tráfico; Medición de flujos; Gestión de redes; Clasificación de aprendizaje automático; NetFlow; Clasificador de árbol de decisión
• Keywords:Traffic classification; Flow measurement; Network management; Machine learning classification; NetFlow; Decision tree classifier