Improving Traffic Classification Method with Self-Organizing Feature Map (SOFM) Clustering in Software Defined Networks (SDNs)
- سال انتشار: 1399
- محل انتشار: پنجمین کنفرانس بین المللی پژوهش در علوم و مهندسی و دومین کنگره بین المللی عمران، معماری و شهرسازی آسیا
- کد COI اختصاصی: ICRSIE05_173
- زبان مقاله: انگلیسی
- تعداد مشاهده: 438
نویسندگان
M.Sc. Student, Department of Computer Engineering, Pardis Branch, Islamic Azad University Pardis, Iran
Associate Professor Department of Electrical Engineering, Iran University of Science and Technology, Tehran, Iran
Assistant Professor Department of Computer Engineering, Pardis Branch, Islamic Azad University Pardis, Iran
چکیده
Traffic engineering is becoming one of the major applications in the Software Defined Networks (SDNs). Recent works on traffic engineering have found new ways for traffic classification in the networks, especially SDNs. According to the studies conducted in the Software Defined Network’s management, Self-Organization Map (SOM) of the features, such as the accuracy, time and efficiency of traffic classification methods, have been taken into consideration. In this study, we propose a traffic classification method to increase the accuracy, reduce the computation time and increase the efficiency of SDNs. Our method is based on Self-Organization Feature Map (SOFM) and Software Defined Networks. We create the flow data which are then clustered by using Self-Organization Feature Map Artificial Neural Network (ANN) for traffic classification. According to the results of simulation and evaluation, the classification accuracy of the proposed algorithm is 98.8% -100% and the elapsed time is decreased 20 times. Experiments and evaluations have been performed to prove that our method is suitable at traffic classification with high detection rates and low overhead.کلیدواژه ها
SDN, SOFM, Traffic Classification, Clustering, ANN, SOMمقالات مرتبط جدید
- تحلیل ساختاری داستان برزگر با مار بر پایه ی نظریه ی رولان بارت
- نقد کهن الگویی اسطوره ای داستان "سرخی تو از من" اثر سپیده شاملو
- آموزش وارونه به عنوان روشی نوین در آموزش بالینی پزشکان
- تحلیل ماده ۵۲۲آیین دادرسی مدنی
- تبیین مدل ساختاری بهبود خلاقیت فردی از طریق تعارض و یکپارچگی مطالعه موردی:کارکنان آموزش و پرورش استان کهگیلویه و بویراحمد
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.