SeLeCT: Self-Learning Classifier for Internet Traffic

Tipo di pubblicazione: Articolo su rivista
Tipologia MIUR: Contributo su Rivista > Articolo in rivista
Titolo: SeLeCT: Self-Learning Classifier for Internet Traffic
Autori: Luigi Grimaudo, Marco Mellia, Elena Baralis, Ram Keralapura
Autori di ateneo:
Titolo del periodico: IEEE TRANSACTIONS ON NETWORK AND SERVICE MANAGEMENT
Tipo di referee: Esperti anonimi
Editore: IEEE - INST ELECTRICAL ELECTRONICS ENGINEERS INC
Intervallo pagine: pp. 144-157
Numero di pagine: 14
ISSN: 1932-4537
Abstract: Network visibility is a critical part of traffic engineering, network management, and security. The most popular current solutions - Deep Packet Inspection (DPI) and statistical classification, deeply rely on the availability of a training set. Besides the cumbersome need to regularly update the signatures, their visibility is limited to classes the classifier has been trained for. Unsupervised algorithms have been envisioned as a viable alternative to automatically identify classes of traffic. However, the accuracy achieved so far does not allow to use them for traffic classification in practical scenario. To address the above issues, we propose Select, a Self-Learning Classifier for Internet Traffic. It uses unsupervised algorithms along with an adaptive seeding approach to automatically let classes of traffic emerge, being identified and labeled. Unlike traditional classifiers, it requires neither a-priori knowledge of signatures nor a training set to extract the signatures. Instead, Select automatically groups flows into pure (or homogeneous) clusters using simple statistical features. Select simplifies label assignment (which is still based on some manual intervention) so that proper class labels can be easily discovered. Furthermore, Select uses an iterative seeding approach to boost its ability to cope with new protocols and applications. We evaluate the performance of Select using traffic traces collected in different years from various ISPs located in 3 different continents. Our experiments show that Select achieves excellent precision and recall, with overall accuracy close to 98%. Unlike state-of-art classifiers, the biggest advantage of Select is its ability to discover new protocols and applications in an almost automated fashion
Data: 2014
Status: Pubblicato
Lingua della pubblicazione: Inglese
Parole chiave: machine learning, internet traffic classification
Dipartimenti (originale): DAUIN - Dipartimento di Automatica Informatica
DET - Dipartimento di Elettronica e Telecomunicazioni
Dipartimenti: DAUIN - Dipartimento di Automatica e Informatica
DET - Dipartimento di Elettronica e Telecomunicazioni
URL correlate:
    Area disciplinare: Area 09 - Ingegneria industriale e dell'informazione > TELECOMUNICAZIONI
    Area 09 - Ingegneria industriale e dell'informazione > SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
    Data di deposito: 10 Gen 2014 09:03
    Data ultima modifica (IRIS): 28 Apr 2015 14:08:10
    Data inserimento (PORTO): 15 Dic 2016 22:06
    Numero Identificativo (DOI): 10.1109/TNSM.2014.011714.130505
    Permalink: http://porto.polito.it/id/eprint/2524903
    Link resolver URL: Link resolver link
    Citazioni:

    Il campo presenta il numero di citazioni presenti sulle banche dati Scopus e Web of Science e permette di accedere ai relativi record. Visualizza inoltre il link al record presente su Google Scholar.

    Possono verificarsi discrepanze rispetto ai dati presenti sulle banche dati per i seguenti motivi:

    • Differenze tra i dati riportati su IRIS e quelli presenti nelle banche dati.
    • Il numero di citazioni riportate su PORTO viene estratto mensilmente. Il dato citazionale presente sulle singole banche dati è aggiornato in tempo reale
    • Il numero di citazioni per WoS viene calcolato sulla base delle collezioni in abbonamento (Science citation index Expanded e Conference Proceedings Citation Index)

    Per informazioni o segnalazioni contattare scrivia/porto

    +
    -

    Allegati

    [img] PDF (camera_ready_print) - Preprint
    Accesso al documento: Non visibile (accessibile solo al proprietario del dato)
    Licenza: Non pubblico - Accesso privato / Ristretto.

    Download (464Kb (475777 bytes)) | Spedisci una richiesta all'autore per una copia del documento
    [img] PDF (finale_ieee) - Postprint
    Accesso al documento: Non visibile (accessibile solo al proprietario del dato)
    Licenza: Non pubblico - Accesso privato / Ristretto.

    Download (475Kb (486740 bytes)) | Spedisci una richiesta all'autore per una copia del documento
    [img]
    Preview
    PDF (finale) - Postprint
    Accesso al documento: Visibile (Ad accesso aperto)
    Licenza: Pubblico - Tutti i diritti riservati.

    Download (1000Kb (1024541 bytes)) | Preview

    Azioni (richiesto il login)

    Visualizza il documento (riservato amministratori) Visualizza il documento (riservato amministratori)

    Statistiche sul Download degli allegati

    Altre statistiche su questa pubblicazione...