講演抄録/キーワード |
講演名 |
2022-08-05 09:40
LSTMを用いた任意パラメータ指定可能なネットワークトラヒック生成 ○栗山海渡・渡部康平(長岡技科大) IN2022-20 |
抄録 |
(和) |
近年,情報化社会に伴って,ユーザの使用する端末の多様化が進んで来ており,多様な端末に応じたネットワークの評価が重要になってきている.
ネットワークの評価には,大量のトラヒックデータが必要となる.
しかし,既存のトラヒック生成モデルは統計学的手法に基づいたものがほとんどであり,一部のトラヒックの特性しか再現できないといった理由から,その代替手段が求められている.
最近の研究では,機械学習を使った生成モデルが注目されてきているが,通信トラヒックを対象とした生成モデルの提案は限定的であり,十分に研究がなされていない.
そこで,本稿では,機械学習を用いた任意パラメータ指定可能なトラヒック生成モデルを提案する.
このモデルでは,Generative Adversarial Networks (GAN)とLong Short Term Memory (LSTM)を組み合わせることで,トラヒックの特性を多面的に再現し,特徴量を任意に調整可能なトラヒックの生成が可能となる.
実際のトラヒックトレースを使用して,提案手法と従来モデルとの比較評価を行った.
評価の結果,従来モデルよりもトラヒックの特性の再現性が高いことを示した.
さらに,生成するトラヒックの特徴量を任意に調整できることも示した. |
(英) |
Network evaluation has become increasingly important in recent years.
Network evaluation requires large amounts of traffic data.
Recent studies have focused on generative models using machine learning.
However, few generative models exist for traffic.
In this paper, we propose a traffic model using machine learning.
Comparative evaluation with a conventional model using actual traffic traces shows that it is more reproducible than the conventional model.
Furthermore, we showed that the traffic characteristics can be arbitrarily adjusted. |
キーワード |
(和) |
時系列生成 / GAN / LSTM / ネットワークトラヒック / 生成モデル / / / |
(英) |
Time series generation / GAN / LSTM / Network traffic / Generative model / / / |
文献情報 |
信学技報, vol. 122, no. 146, IN2022-20, pp. 27-32, 2022年8月. |
資料番号 |
IN2022-20 |
発行日 |
2022-07-28 (IN) |
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 |
IN2022-20 |
研究会情報 |
研究会 |
IN CCS |
開催期間 |
2022-08-04 - 2022-08-05 |
開催地(和) |
北海道大学 百年記念会館 |
開催地(英) |
Hokkaido University(Centennial Hall) |
テーマ(和) |
ネットワークの科学、将来ネットワーク 、クラウド/SDN/仮想化、コンテンツ配信・流通、及び一般 |
テーマ(英) |
Network Science, Future Network, Cloud/SDN/Virtualization, Contents Delivery/Contents Exchange, and others |
講演論文情報の詳細 |
申込み研究会 |
IN |
会議コード |
2022-08-IN-CCS |
本文の言語 |
日本語 |
タイトル(和) |
LSTMを用いた任意パラメータ指定可能なネットワークトラヒック生成 |
サブタイトル(和) |
|
タイトル(英) |
Machine Learning-Based Network Traffic Prediction with Tunable Parameters |
サブタイトル(英) |
|
キーワード(1)(和/英) |
時系列生成 / Time series generation |
キーワード(2)(和/英) |
GAN / GAN |
キーワード(3)(和/英) |
LSTM / LSTM |
キーワード(4)(和/英) |
ネットワークトラヒック / Network traffic |
キーワード(5)(和/英) |
生成モデル / Generative model |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
栗山 海渡 / Kaito Kuriyama / クリヤマ カイト |
第1著者 所属(和/英) |
長岡技術科学大学 (略称: 長岡技科大)
Nagaoka University of Technology (略称: Nagaoka Univ. of Tech.) |
第2著者 氏名(和/英/ヨミ) |
渡部 康平 / Kohei Watabe / ワタベ コウヘイ |
第2著者 所属(和/英) |
長岡技術科学大学 (略称: 長岡技科大)
Nagaoka University of Technology (略称: Nagaoka Univ. of Tech.) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2022-08-05 09:40:00 |
発表時間 |
20分 |
申込先研究会 |
IN |
資料番号 |
IN2022-20 |
巻番号(vol) |
vol.122 |
号番号(no) |
no.146 |
ページ範囲 |
pp.27-32 |
ページ数 |
6 |
発行日 |
2022-07-28 (IN) |