ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

طبقه بندی ترافیک شبکه های مبتنی بر نرم افزار با استفاده از تکنیک یادگیری عمیق

سال انتشار: 1396
کد COI مقاله: ITCT04_275
زبان مقاله: فارسیمشاهده این مقاله: 460
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله طبقه بندی ترافیک شبکه های مبتنی بر نرم افزار با استفاده از تکنیک یادگیری عمیق

محمدرضا پارسائی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شیراز، شیراز، ایران
محمدجواد ثبوتی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شیراز، شیراز، ایران
سیدریوف خیامی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شیراز، شیراز، ایران
رضا جاویدان - دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شیراز، شیراز، ایران

چکیده مقاله:

طبقه بندی ترافیک شبکه بر حسب پروتکل لایه کاربرد، اطلاعات مورد نیاز بخش زیادی از وظایف مدیریتی مانند: برنامه ریزی شبکه، مهندسی ترافیک و تضمین کیفیت سرویس را فراهم می آورد. معرفی شبکه مبتنی بر نرم افزار مسیری درجهت تحقق افزایش تعامل بین شبکه ها و کاربردها باز میکند. شبکهمبتنی بر نرمافزار یک معماری ابتکاری و برنامه پذیر شبکه است که سمت و سوی تکامل شبکه در آینده را نشان میدهد. دسته بندی دقیق ترافیک برروی شبکه های مبتنی بر نرم افزار اهمیت اساسی در فعالیتهای مختلف شبکه از امنیت مانیتورینگ تا مدیریت حساب، از کیفیت سرویس تا فراهم آوردناپراتورها با پیش بینی های کارآمد برای تامین طولانی مدت دارد. در این مقاله، یادگیری عمیق برای دسته بندی ترافیک شبکه های مبتنی بر نرم افزار اعمال شده است. دقت کلی این مدل در طبقه بندی ترافیک 96/2% می باشد. برتری این روش به روش های موجود سربار پردازشی پایین، حجم اندک ترافیک تحمیلی به شبکه و قابلیت اجرا بصورت زمان اجرا می باشد

کلیدواژه ها:

مدیریت شبکه،SDN،دسته بندی ترافیک، یادگیری عمیق،RNN

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ITCT04_275 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/668998/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
پارسائی، محمدرضا و ثبوتی، محمدجواد و خیامی، سیدریوف و جاویدان، رضا،1396،طبقه بندی ترافیک شبکه های مبتنی بر نرم افزار با استفاده از تکنیک یادگیری عمیق،چهارمین کنفرانس ملی فناوری اطلاعات، کامپیوتر و مخابرات،مشهد،،،https://civilica.com/doc/668998

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1396، پارسائی، محمدرضا؛ محمدجواد ثبوتی و سیدریوف خیامی و رضا جاویدان)
برای بار دوم به بعد: (1396، پارسائی؛ ثبوتی و خیامی و جاویدان)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

نظرات خوانندگان

5.00
1 تعداد پژوهشگران نظر دهنده
5 1
4 0
3 0
2 0
1 0

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 2,127
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی