講演抄録/キーワード |
講演名 |
2019-07-18 13:00
[ポスター講演]敵対的生成ネットワークを利用した疑似トラヒック生成に関する一考察 ○山際哲哉・渡部康平・中川健治(長岡技科大) CQ2019-38 |
抄録 |
(和) |
ネットワークを構築する際には,実際にトラヒックを生成するトラヒックジェネレータを使用し,サーバーなどのネットワーク機器の負荷テストを行うことは重要である.
しかし,トラヒックジェネレータで実際のトラヒックの特性を多面的に再現した疑似トラヒックを生成することは困難である.
一方で,敵対的生成ネットワーク(Generative Adversarial Networks;GAN) という画像などのデータを模倣して生成する機械学習の研究が発展してきている.
本稿では,GAN と次元圧縮手法であるEncoder を用いて疑似トラヒックデータ生成手法を提案する.
提案手法は,任意の長さのトラヒックデータを学習させ,疑似トラヒックデータを生成する.
評価指標として,二つの確率分布が一致していないかを検定するコルモゴロフ-スミルノフ検定を用いて,疑似トラヒックデータの妥当性を検証する.
そして,提案した疑似トラヒックデータが実際のトラヒックデータの分布とかけ離れた分布ではないことを確認した. |
(英) |
When we constructing a network, it is important to use a traffic generator that generates realistic traffic and perform load tests on network devices such servers.
However, it is difficult for traffic generators to generate pseudo traffic that reproduces the multi-aspect characteristics of actual traffic.
On the other hand, research on machine learning in the field of image processing has been developed.
In this paper, we propose a traffic generator with machine learning technology which utilizes a dimensional compression method.
The proposed method learns traffic data of any length and generates traffic.
The validity of the generated traffic is verified using Kolmogorov-Smirnov test as a performance measure, which tests the equality of two probability distributions.
We confirmed that a distribution of generated traffic was not far from that of the actual traffic data. |
キーワード |
(和) |
トラヒックジェネレータ / 機械学習 / 敵対的生成ネットワーク / / / / / |
(英) |
Traffic generator / Machine learning / Generative adversarial networks / / / / / |
文献情報 |
信学技報, vol. 119, no. 125, CQ2019-38, pp. 27-29, 2019年7月. |
資料番号 |
CQ2019-38 |
発行日 |
2019-07-11 (CQ) |
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 |
CQ2019-38 |