| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2019-05-23 16:20 機械学習を用いた時系列P2PTVトラヒックの特性分析 ○大岡里奈・林 晃司・三好 匠・山崎 託（芝浦工大）  ICM2019-2 |
|
| 抄録 | （和） | 近年，映像配信サービスの利用者増加に伴い，ユーザ端末（ピア）間で直接通信するP2P（Peer-to-peer）方式を利用した映像配信サービス（P2PTV）が注目を集めている． P2PTVでは，ピア同士でデータを共有して相互に送受信を行うため，サーバに集中する配信負荷を分散することが可能である． ネットワークを適切に維持管理するためには，P2PTVトラヒックの特性をあらかじめ理解しておく必要があるが，動画コンテンツ毎に人気度やデータサイズが異なるため，動画データを共有するピア数や送受信スループットが大きく変動する可能性がある． 従来研究では，P2PTVをコンテンツごとに長時間視聴し，得られたトラヒックデータを分類することで特性分析を行っている． しかし，ユーザのP2PTVへの参加，離脱は動的であり，それに伴ってトラヒック特性も時々刻々と変動するため，コンテンツ単位でのトラヒック特性の抽出や分類では不十分であると考えられる． 本稿では，P2PTVトラヒックを短時間ごとに分割して時系列データを作成し，これらのデータを機械学習により分類する時系列トラヒック分類手法を提案する． また，80本のP2PTVコンテンツ視聴データの分類結果から，トラヒックの特性分析を行う． |
| （英） | P2P-based video streaming service (P2PTV) in which user terminals (peers) directly communicate with each other has attracted attention due to the increase of users who enjoy video distribution services. P2PTV can distribute the data delivery load concentrated to the video servers since peers share and transfer the video data among them. To maintain the network properly, it is necessary to understand the characteristics of P2PTV traffic in advance. Since each video content has a different popularity and data size, the number of peers that share the same video data and the throughput may greatly fluctuate. In our previous studies, we have obtained P2PTV traffic in watching each video content for a long time and analyzed the characteristics by classifying the obtained traffic data. However, users would participate in or leave from P2PTV services dynamically, and then the traffic characteristics may change from moment to moment: The classification and analysis of traffic characteristics on a per content basis must be therefore insufficient. In this paper, we propose a time-series P2PTV traffic classification method. The proposed method divides P2PTV traffic into short-time data pieces to create time series data, and classifies these data by machine learning. We also analyze traffic characteristics from the classification results of 80 P2PTV traffic data. |
|
| キーワード | （和） | P2P / P2PTV / 機械学習 / トラヒック分析 / クラスタリング / / / |
| （英） | P2P / P2PTV / Machine learning / Traffic analysis / Clustering / / / | |
| 文献情報 | 信学技報, vol. 119, no. 52, ICM2019-2, pp. 31-36, 2019年5月. | |
| 資料番号 | ICM2019-2 | |
| 発行日 | 2019-05-16 (ICM) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | ICM2019-2 |
|
| 研究会情報 | |
| 研究会 | ICM IPSJ-CSEC IPSJ-IOT |
| 開催期間 | 2019-05-23 - 2019-05-24 |
| 開催地（和） | 大阪大学 豊中キャンパス 大阪大学会館 |
| 開催地（英） | |
| テーマ（和） | サービス管理，運用管理技術，セキュリティ管理，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | ICM |
| 会議コード | 2019-05-ICM-CSEC-IOT |
| 本文の言語 | 日本語 |
| タイトル（和） | 機械学習を用いた時系列P2PTVトラヒックの特性分析 |
| サブタイトル（和） | |
| タイトル（英） | Characteristic Analysis of Time-series P2PTV Traffic Using Machine Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | P2P / P2P |
| キーワード(2)（和/英） | P2PTV / P2PTV |
| キーワード(3)（和/英） | 機械学習 / Machine learning |
| キーワード(4)（和/英） | トラヒック分析 / Traffic analysis |
| キーワード(5)（和/英） | クラスタリング / Clustering |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 大岡 里奈 / Rina Ooka / オオオカ リナ |
| 第1著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： Shibaura Inst. of Tech.) |
| 第2著者 氏名（和/英/ヨミ） | 林 晃司 / Koji Hayashi / ハヤシ コウジ |
| 第2著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： Shibaura Inst. of Tech.) |
| 第3著者 氏名（和/英/ヨミ） | 三好 匠 / Takumi Miyoshi / ミヨシ タクミ |
| 第3著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： Shibaura Inst. of Tech.) |
| 第4著者 氏名（和/英/ヨミ） | 山崎 託 / Taku Yamazaki / ヤマザキ タク |
| 第4著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： Shibaura Inst. of Tech.) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-05-23 16:20:00 |
| 発表時間 | 25分 |
| 申込先研究会 | ICM |
| 資料番号 | ICM2019-2 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.52 |
| ページ範囲 | pp.31-36 |
| ページ数 | 6 |
| 発行日 | 2019-05-16 (ICM) |
[研究会発表申込システムのトップページに戻る]