dc.contributorSadok, Djamel Fawzi Hadj
dc.creatorLopes Junior, Petrônio Gomes
dc.date2014-06-12T16:01:31Z
dc.date2014-06-12T16:01:31Z
dc.date2012-01-31
dc.identifierGomes Lopes Junior, Petrônio; Fawzi Hadj Sadok, Djamel. Classificação de tráfego baseado em mineração de fluxos de dados. 2012. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2012.
dc.identifierhttps://repositorio.ufpe.br/handle/123456789/2841
dc.descriptionExistem diversos tipos de aplicações de redes de computadores que produzem diferentes perfis de tráfego. Para aperfeiçoar o desempenho destas aplicações ou da rede em que elas estão incluídas, é interessante fazer medições e caracterizações do tráfego gerado por elas. Nesse contexto, existem várias formas para classificação de tráfego como técnicas baseadas em portas, técnicas baseadas em inspeção de pacotes e técnicas baseadas em fluxos. De acordo com o cenário em que será aplicada, cada uma das técnicas apresenta vantagens e desvantagens. Adicionalmente, a classificação tem que lidar com restrições de tempo, sendo capaz de tratar os dados em tempo real. Um possível método a ser utilizado é a classificação de tráfego baseada em fluxos utilizando aprendizagem de máquina. No entanto, é notório que, quando se fala na classificação de fluxos usando aprendizagem de máquina, a caracterização de tráfego ainda necessita de uma abordagem que seja capaz de fornecer uma forma adaptativa de treinamento além de equilibrar precisão e desempenho em um cenário de fluxo contínuo de dados. Este trabalho apresenta um algoritmo voltado para classificação do tráfego baseado em técnicas de mineração de fluxos de dados aplicado a redes de alta velocidade, denominado GSDT (GPU-based Streaming Decision Tree), além de um arcabouço para sua aplicação. Esse algoritmo visa combinar a precisão das árvores de decisão tradicionais com as características da mineração de fluxos de dados. O GSDT também explora o potencial computacional fornecido por uma unidade de processamento gráfico. O arcabouço proposto alia treinamento e classificação, a fim de obter ganhos no desempenho da utilização do algoritmo em um ambiente real. Os experimentos realizados avaliam a precisão do GSDT em relação às técnicas tradicionais e o desempenho das abordagens propostas, demonstrando a viabilidade da aplicação do GSDT nos cenários considerados e a alta performance obtida através da unidade de processamento gráfico
dc.descriptionFaculdade de Amparo à Ciência e Tecnologia do Estado de Pernambuco
dc.formatapplication/pdf
dc.languagepor
dc.publisherUniversidade Federal de Pernambuco
dc.subjectMineração de fluxos de dados
dc.subjectClassificação de tráfego
dc.subjectAprendizagem de máquina
dc.subjectUnidade de Processamento Gráfico
dc.titleClassificação de tráfego baseado em mineração de fluxos de dados
dc.typemasterThesis


Este ítem pertenece a la siguiente institución