SIQNALLARIN ANALİZİ ƏSASINDA ŞƏBƏKƏ TRAFİKLƏRİNİN TƏSNİFAT ƏLAMƏTLƏRİNİN ÇIXARILMASI METODU - İnformasiya Texnologiyaları Problemləri

SIQNALLARIN ANALİZİ ƏSASINDA ŞƏBƏKƏ TRAFİKLƏRİNİN TƏSNİFAT ƏLAMƏTLƏRİNİN ÇIXARILMASI METODU - İnformasiya Texnologiyaları Problemləri

SIQNALLARIN ANALİZİ ƏSASINDA ŞƏBƏKƏ TRAFİKLƏRİNİN TƏSNİFAT ƏLAMƏTLƏRİNİN ÇIXARILMASI METODU - İnformasiya Texnologiyaları Problemləri

SIQNALLARIN ANALİZİ ƏSASINDA ŞƏBƏKƏ TRAFİKLƏRİNİN TƏSNİFAT ƏLAMƏTLƏRİNİN ÇIXARILMASI METODU - İnformasiya Texnologiyaları Problemləri

SIQNALLARIN ANALİZİ ƏSASINDA ŞƏBƏKƏ TRAFİKLƏRİNİN TƏSNİFAT ƏLAMƏTLƏRİNİN ÇIXARILMASI METODU - İnformasiya Texnologiyaları Problemləri
SIQNALLARIN ANALİZİ ƏSASINDA ŞƏBƏKƏ TRAFİKLƏRİNİN TƏSNİFAT ƏLAMƏTLƏRİNİN ÇIXARILMASI METODU - İnformasiya Texnologiyaları Problemləri
AZƏRBAYCAN MİLLİ ELMLƏR AKADEMİYASI

№1, 2019

SIQNALLARIN ANALİZİ ƏSASINDA ŞƏBƏKƏ TRAFİKLƏRİNİN TƏSNİFAT ƏLAMƏTLƏRİNİN ÇIXARILMASI METODU

Şıxəliyev Ramiz H.

Müasir şəbəkə trafikləri şəbəkənin fəaliyyətini və istifadəçilərin aktivliyini əks etdirən çoxlu sayda əlamətlərə və dinamik xassələrə malikdirlər. Şəbəkə trafikləri əlamətlərinin çıxarılması onların təsnifatında vacib rol oynayır. Lakin ənənəvi istifadə edilən əlamətlər şəbəkə trafiklərinin mürəkkəb qeyri-xətti xarakterini əks etdirmir və yüksək təsnifat dəqiqliyi təmin etmirlər. Şəbəkə trafikləri qeyri-stationar xarakterə və multifraktallıq, uzunmüddətli asılılıq və periodiklik kimi qeri-xətti xarakteristikalara malik olduğu üçün şəbəkə trafiklərinin təsnifatının dəqiqliyini artıran yeni robast təsnifat əlamətlərinin çıxarılması çox aktualdır. Bu məsələnin həlli üçün ən perspektivli üsul şəbəkə trafiki siqnallarının spektral analizidir. İşdə şəbəkə trafiki siqnallarının spektral analizi üçün veyvlet çevirməsinin istifadəsi təklif edilir və onun vasitəsilə təsnifat əlamətləri kimi istifadə ediləcək şəbəkə trafikləri siqnallarının energetik xarakteristikaları müəyyən edilir (səh.78-86).

Açar sözlər: şəbəkə trafiki, şəbəkə trafikinin təsnifatı, təsnifat əlamətlərinin çıxarılması, siqnalların spektral analizi, veyvlet çevrilməsi, siqnalların energetik xassələri
Ədəbiyyat
  • Callado A., Kamienski C., Szabo G., et al. A Survey on Internet Traffic Identification // IEEE Communications Surveys & Tutorials, 2009, vol.11, no.3, pp.37−52.
  • Moore A.W., Panpagiannaki D. Toward the accurate identification of network application / Proceedings of the VI Passive and Active Measurement Workshop, 2005, pp.41–54.
  • Nguyen T., Armitage G. A Survey of Techniques for Internet Traffic Classification using Machine Learning // IEEE Communications Survey & Tutorials, 2008, vol.10, no.4, pp.56–76.
  • Singhal P., Mathur R., Vyas H. State of the Art Review of Network Traffic Classification based on Machine Learning Approach / International Conference on Recent Trends in Engineering & Technology, 2013, pp.12−15.
  • Williams N., Zander S., Armitage G. Evaluating Machine Learning Algorithms for Automated Network Application Identification. CAIA Technical Report 060410B, p.14.
  • Shi H., Li H., Zhang D., Cheng C., Wu W. Efficient and robust feature extraction and selection for traffic classification, Computer Networks, 2017, vol.119, no.4, pp.1−16.
  • Shi H., Liang G., Wang H. A novel traffic identification approach based on multifractal analysis and combined neural network // Annals of Telecommunications, 2014, vol.69, no.3−4, pp.155−169.
  • Du M., Chen X., and Tan J. An efficient method of P2P traffic identification based on wavelet packet decomposition and kernel principal component analysis // International Journal of Communication Systems, 2014, vol.27, no.10, pp.1476−1490.
  • Barford P., Kline J., Plonka D., and Ron A. A Signal Analysis of Network Traffic Anomalies / Proceedings of the 2nd ACM SIGCOMM Workshop on Internet measurment, 2002, pp.71−82.
  • Samant A., Adeli H. Feature Extraction for Traffic Incident Detection Using Wavelet Transform and Linear Discriminant Analysis // Computer-Aided Civil and Infrastructure Engineering, 2000, vol.15, no.4, pp.241−250.
  • Abry P. and Veitch D. Wavelet Analysis of Long-Range-Dependent Traffic // IEEE Transactions on Information Theory, 1998, vol.44, no.1, pp.2−15.
  • Cheng C.M., Kung H.T., Tan K.S. Use of Spectral Analysis in Defense Against DoS Attacks / Global Telecommunications Conference, 2002, pp.2143–2148.
  • Eto M., Sonoda K., Inoue D. Yoshioka K. and Nakao K. Fine-Grain Feature Extraction from Malware’s Scan Behavior Based on Spectrum Analysis // IEICE Transactions on Information and Systems, 2010, vol.93, no.5, pp.1106−1116.
  • Шыхалиев Р.Г. Анализ и классификация сетевого трафика компьютерных сетей // İnformasiya texnologiyaları problemləri, 2010, №2, s.15−23.
  • Şıxəliyev R.H. Şəbəkə trafikinin modelləri haqqında // İnformasiya texnologiyaları problemləri, 2017, №2, s.98–104.
  • Dainotti A., Pescape A., and Ventre G. A Packet-level Characterization of Network Traffic / 11th International Workshop on Computer-Aided Modeling, Analysis and Design of Communication Links and Networks, 2006, pp.38−45.
  • Velan P., Medková J., Jirsík T., Celeda P. Network Traffic Characterisation Using Flow-Based Statistics / IEEE/IFIP Network Operations and Management Symposium, 2016, pp.907−912.
  • Scherrer A., Larrieu N., Owezarski P., Borgnat P., Abry P. Non Gaussian and Long Memory Statistical Characterisations for Internet Traffic with Anomalies // IEEE Transactions on Dependable and Secure Computing archive, 2007, vol.4, no.1, pp.56−70.
  • Kim H.J., Na J.C., Jang J.S. Network traffic anomaly detection based on ratio and volume analysis // International Journal of Computer Science and Network Security, 2006, vol.6, no.5, pp.190−194.
  • Wu, Q., Shao Z. Network anomaly detection using time series analysis / Proceedings of the Joint Int. Conference on Autonomic and Autonomous Systems and International Conference on Network and Services, 2005, pp. 42−47.
  • Smith R.D. The Dynamics of Internet Traffic: Self-Similarity, Self-Organization, and Complex Phenomena // Advances in Complex Systems, 2011, vol.14, no.6, pp.905−949.
  • Feldmann A., Gilbert A.C., and Willinger W. Data networks as cascades: Investigating the multifractal nature of internet wan traffic / ACM/SIGCOMM conference on Applications, technologies, architectures, and protocols for computer communication, 1998, vol.28, no.4,42−55.
  • Erramilli A., Narayan O., and Willinger W. Experimental queueing analysis with long-range dependent packet traffic // ACM/IEEE transactions on Networking, 1996, vol. 4, no.2, pp. 209−223.
  • Stoica P. and Moses R. Spectral Analysis of Signals, 2005, 427 p.
  • Liu C.L. A Tutorial of the Wavelet Transform, 2010, 71 p.