| Autor: |
Ekmanis, M., Novikovs, V., Ruško, A. |
| Jazyk: |
angličtina |
| Rok vydání: |
2008 |
| Předmět: |
|
| Zdroj: |
Elektronika ir elektrotechnika, ISSN 1392-1215, 2008, Nr. 5 (85), p. 53-56 |
| Popis: |
Tinklo duomenų srautas neturi griežtos semantiškos struktūros. Bendruoju atveju konkrečiai taikomajai programai atpažinti galima naudoti pavyzdines užklausas. Taip pat galima automatiškai grupuoti duomenų srautus pagal tam tikrus atstumų panašumus arba skirtumus, jei tokie yra apibrėžti. Straipsnyje kaip atskiras metodas siūlomas naujas skiriamasis atstumas. Jis naudojamas atstumui tarp tinklo srautų nustatyti. Klasterio analizė atlikta skaičiuojant skiriamųjų atstumų matricos skaičiavimą realiems duotiesiems duomenų srautams. Eksperimentas parodė algoritmo gebėjimą identifikuoti srauto šaltinį pagal pavyzdį ir sugrupuoti panašius šaltinius. Il. 5, bibl. 13 (anglų kalba; santraukos anglų, rusų ir lietuvių k.). There is no strong semantic structure in network traffic behavior so the most general abstraction query-by-example can be used to identify particular application. Automatic traffic grouping is also possible according to some similarity or dissimilarity distance, if such is defined. We propose a new distinction distance as a method to define the distance between network flows. Cluster analysis is done using distinction distance matrix calculated from real traffic flow dumps. The experiment shows the ability of algorithm to identify a traffic source by example and group similar sources together. Ill. 5, bibl. 13 (in English; summaries in English, Russian and Lithuanian). В характеристиках сетевого трафика нет твердой семантической структуры, в общей абстракции для идентификации определенных приложений необходимо использовать запрос по примеру. Возможна также автоматическая группировка соответственно по любому сходству или различию дистанций, если таковы определены. В статье выдвигается новая отличительная дистанция как метод для определения дистанции между сетевыми потоками. Анализ кластера проведен путем вычисления матрицы отличительных дистанций для реальных данных потока трафика. Эксперимент показал способность алгоритма идентифицировать источник трафика по образцу и сгруппировать схожие источники вместе. Ил. 5, библ. 13 (на английском языке; рефераты на английском, русском и литовском яз.). |
| Databáze: |
OpenAIRE |
| Externí odkaz: |
|
