dc.contributor | Sadok, Djamel Fawzi Hadj | |
dc.creator | Lopes Junior, Petrônio Gomes | |
dc.date | 2014-06-12T16:01:31Z | |
dc.date | 2014-06-12T16:01:31Z | |
dc.date | 2012-01-31 | |
dc.identifier | Gomes 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.identifier | https://repositorio.ufpe.br/handle/123456789/2841 | |
dc.description | Existem 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.description | Faculdade de Amparo à Ciência e Tecnologia do Estado de Pernambuco | |
dc.format | application/pdf | |
dc.language | por | |
dc.publisher | Universidade Federal de Pernambuco | |
dc.subject | Mineração de fluxos de dados | |
dc.subject | Classificação de tráfego | |
dc.subject | Aprendizagem de máquina | |
dc.subject | Unidade de Processamento Gráfico | |
dc.title | Classificação de tráfego baseado em mineração de fluxos de dados | |
dc.type | masterThesis | |