[論文レビュー] A Review of Network Traffic Analysis and Prediction Techniques

Manish Joshi, Theyazn Hassn Hadi|arXiv (Cornell University)|Jul 21, 2015

Internet Traffic Analysis and Secure E-voting参考文献 19被引用数 111

ひとこと要約

本論文は、ネットワークトラフィック分析および予測技術に関する包括的なサーベイを提示しており、ニューラルネットワークベースの手法、データマイニング、線形／非線形モデリングのアプローチをレビューしている。これらの手法の強み、限界、統合戦略を評価し、現在の研究動向およびネットワークの信頼性とセキュリティを向上させるための効果的な組み合わせについて構造的な概要を提供する。

ABSTRACT

Analysis and prediction of network traffic has applications in wide comprehensive set of areas and has newly attracted significant number of studies. Different kinds of experiments are conducted and summarized to identify various problems in existing computer network applications. Network traffic analysis and prediction is a proactive approach to ensure secure, reliable and qualitative network communication. Various techniques are proposed and experimented for analyzing network traffic including neural network based techniques to data mining techniques. Similarly, various Linear and non-linear models are proposed for network traffic prediction. Several interesting combinations of network analysis and prediction techniques are implemented to attain efficient and effective results. This paper presents a survey on various such network analysis and traffic prediction techniques. The uniqueness and rules of previous studies are investigated. Moreover, various accomplished areas of analysis and prediction of network traffic have been summed.

研究の動機と目的

• 既存のネットワークトラフィック分析および予測技術について体系的なレビューを提供すること。
• 現在のネットワークトラフィックモデリングにおけるアプローチのギャップと課題を特定すること。
• 機械学習および統計モデルを含むさまざまな技術の有効性を評価すること。
• ネットワークパフォーマンスの向上に寄与する分析および予測手法の成功した組み合わせを強調すること。
• 達成済み分野およびネットワークトラフィック研究における新興トレンドを要約することで、今後の研究を導くこと。

提案手法

• 2005年から2015年までのネットワークトラフィック分析および予測に関する査読付き論文をサーベイすること。
• 技術を分類：ニューラルネットワーク、データマイニング、線形モデル、非線形モデル。
• 以前に発表された研究のルール、独自性、実装詳細を分析すること。
• 異なる予測および分析手法間でのパフォーマンス指標と応用文脈を比較すること。
• 複数の技術を組み合わせることで精度と耐障害性を向上させるハイブリッドアプローチを評価すること。
• 応用分野と手法の有効性に基づいて、研究結果を構造化されたフレームワークに整理すること。

実験結果

リサーチクエスチョン

• RQ1 トラフィックの分析および予測において最も効果的な技術は何か？
• RQ2 ニューラルネットワークベースの手法は、従来の統計モデルと比較して、トラフィック予測においてどのように異なるか？
• RQ3 現在のネットワークトラフィック分析および予測研究における主な課題と限界は何か？
• RQ4 分析および予測手法のどの組み合わせが最も効果的な結果をもたらすか？
• RQ5 既存の研究における支配的応用分野とパフォーマンス指標は何か？

主な発見

• ニューラルネットワークベースの手法は、複雑で非線形なトラフィックパターンを捉えるのに優れたパフォーマンスを示す。
• データマイニング手法は、トラフィックの異常および行動的トレンドの特定に有効である。
• ARIMAなどの線形モデルは、その単純さと解釈可能性の高さから、依然として広く使用されている。
• サポートベクターマシンやウェーブレットベースのアプローチなどの非線形モデルは、動的環境下での予測精度を向上させる。
• 複数の技術を組み合わせたハイブリッドモデルは、単一手法アプローチに比べて優れたパフォーマンスを示す。
• 分析と予測手法の統合は、ネットワークの信頼性およびセキュリティの向上に顕著な効果をもたらす。