| 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 | 2023-12-15 17:35 トラヒックの等間隔補間手法を用いた周期解析によるデバイス推定 ○高崎智香子・郡川智洋・服部恭太・大和田英成（NTT）  NS2023-154 |
|
| 抄録 | （和） | Beyond 5G/6Gネットワークでは，IoTを含む多様なデバイスが大量接続される．また，非地上系ネットワーク（NTN）の発展によりドローンや衛星などが活用されてきており，これらのネットワークノードの移動に伴い，接続デバイスがより高頻度に変化する．このようなネットワークでは，各デバイスのネットワーク要求を満たすため，収容設計を短期間で繰り返し行う必要がある．我々は，トラヒックの特徴が類似であるデバイスをデバイスカテゴリとしてグルーピングし，トラヒックのふるまいのみを解析することでデバイスカテゴリを推定する技術を提案している[1], [2]．デバイスタイプ毎に収容設計を最適化することで，計算量の削減が期待できる．しかし，提案手法によって高精度でデバイスカテゴリを推定するためには，長期間のパケットキャプチャデータを収集し，解析する必要がある，大量のデバイスが接続されたネットワークでの活用を想定すると，学習に用いる特徴量データセットの質を改善し，少ないパケットキャプチャデータのみでも高精度に推定できる手法が望ましい．本稿では，不等間隔のトラヒックデータを等間隔に補間し，周期解析を行うことで，入力トラヒック毎に異なる特徴を示す時系列データを自動で抽出する手法を提案する． |
| （英） | In the beyond 5G and 6G networks, the number of connected devices and their types will greatly increase including not only user devices such as smartphones but also the Internet of Things (IoT). Moreover, Non-terrestrial networks (NTN) introduce dynamic changes in the types of connected devices as base stations or access points are moving objects. Therefore, continuous network capacity design is required to fulfill the network requirements of each device. However, continuous optimization of network capacity design for each device within a short time span becomes difficult because of the heavy calculation amount. We introduce device types as groups of devices whose traffic characteristics resemble to optimize network capacity per device type for efficient network capacity design. A method was proposed to classify device types by analyzing only encrypted traffic behavior without using payload and packets of specific protocols [1], [2]. The proposed method needs to collect and analyze packet capture data for long period for accurate classification. It is high cost to maintaining a large amount of packet capture data. As a result, a method is expected to accurately classify device types only with less amount of data in networks where a large number of devices are connected. This paper proposes a method to define the length of a data that shows the traffic characteristics based on periodicity analysis of evenly spaced interpolated traffic. The proposed method is suitable to grasp device types in terms of traffic characteristics toward efficient network capacity design in networks where massive devices for various services are connected and the connected devices continuously change. | |
| キーワード | （和） | デバイス推定 / トラヒック解析 / 周期解析 / 機械学習 / 深層学習 / / / |
| （英） | device identification / traffic analysis / periodicity analysis / machine learning / deep learning / / / | |
| 文献情報 | 信学技報, vol. 123, no. 307, NS2023-154, pp. 163-168, 2023年12月. | |
| 資料番号 | NS2023-154 | |
| 発行日 | 2023-12-07 (NS) | |
| 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 | NS2023-154 |
|
| 研究会情報 | |
| 研究会 | NS RCS |
| 開催期間 | 2023-12-14 - 2023-12-15 |
| 開催地（和） | 九州工業大学 戸畑キャンパス＋オンライン開催 |
| 開催地（英） | Kyushu Institute of Technology Tobata campus, and Online |
| テーマ（和） | マルチホップ／リレー／協調，耐災害無線ネットワーク，センサ・メッシュネットワーク，アドホックネットワーク，D2D・M2M，無線ネットワークコーディング，ハンドオーバ/AP切替/接続セル制御/基地局間負荷分散/モバイルNW動的再構成，QoS・QoE保証，無線VoIP，IoT，エッジコンピューティング，一般 |
| テーマ（英） | Multi-hop/Relay/Cooperation, Disaster-resistant wireless network, Sensor/Mesh network, Ad-hoc network, D2D/M2M, Wireless network coding, Handover/AP switching/Connected cell control/Load balancing among base stations/Mobile network dynamic reconfiguration, QoS/QoE assurance, Wireless VoIP, IoT, Edge computing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | NS |
| 会議コード | 2023-12-NS-RCS |
| 本文の言語 | 日本語 |
| タイトル（和） | トラヒックの等間隔補間手法を用いた周期解析によるデバイス推定 |
| サブタイトル（和） | |
| タイトル（英） | Device Type Classification based on Periodicity Analysis of Evenly Spaced Interpolated Traffic |
| サブタイトル（英） | |
| キーワード(1)（和/英） | デバイス推定 / device identification |
| キーワード(2)（和/英） | トラヒック解析 / traffic analysis |
| キーワード(3)（和/英） | 周期解析 / periodicity analysis |
| キーワード(4)（和/英） | 機械学習 / machine learning |
| キーワード(5)（和/英） | 深層学習 / deep learning |
| 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） | 高崎 智香子 / Chikako Takasaki / タカサキ チカコ |
| 第1著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NIPPON TELEGRAPH AND TELEPHONE CORPORATION (略称： NTT) |
| 第2著者 氏名（和/英/ヨミ） | 郡川 智洋 / Tomohiro Korikawa / コオリカワ トモヒロ |
| 第2著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NIPPON TELEGRAPH AND TELEPHONE CORPORATION (略称： NTT) |
| 第3著者 氏名（和/英/ヨミ） | 服部 恭太 / Kyota Hattori / ハットリ キョウタ |
| 第3著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NIPPON TELEGRAPH AND TELEPHONE CORPORATION (略称： NTT) |
| 第4著者 氏名（和/英/ヨミ） | 大和田 英成 / Hidenari Ohwada / オオワダ ヒデナリ |
| 第4著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NIPPON TELEGRAPH AND TELEPHONE CORPORATION (略称： NTT) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-12-15 17:35:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NS |
| 資料番号 | NS2023-154 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.307 |
| ページ範囲 | pp.163-168 |
| ページ数 | 6 |
| 発行日 | 2023-12-07 (NS) |
[研究会発表申込システムのトップページに戻る]