SeLINA: a Self-Learning Insightful Network Analyzer

Tipo di pubblicazione: Articolo su rivista
Tipologia MIUR: Contributo su Rivista > Articolo in rivista
Titolo: SeLINA: a Self-Learning Insightful Network Analyzer
Autori: Apiletti, Daniele; Baralis, Elena; Cerquitelli, Tania; Garza, Paolo; Giordano, Danilo; Mellia, Marco; Venturini, Luca
Autori di ateneo:
Titolo del periodico: IEEE TRANSACTIONS ON NETWORK AND SERVICE MANAGEMENT
Tipo di referee: Esperti anonimi
Editore: IEEE
Volume: 13
Numero: 3
Intervallo pagine: pp. 696-710
Numero di pagine: 15
ISSN: 1932-4537
Abstract: Understanding the behavior of a network from a large scale traffic dataset is a challenging problem. Big data frameworks offer scalable algorithms to extract information from raw data, but often require a sophisticated fine-tuning and a detailed knowledge of machine learning algorithms. To streamline this process, we propose SeLINA (Self-Learning Insightful Network Analyzer), a generic, self-tuning, simple tool to extract knowledge from network traffic measurements. SeLINA includes different data analytics techniques providing self-learning capabilities to state-of-the-art scalable approaches, jointly with parameter auto-selection to off-load the network expert from parameter tuning. We combine both unsupervised and supervised approaches to mine data with a scalable approach. SeLINA embeds mechanisms to check if the new data fits the model, to detect possible changes in the traffic, and to, possibly automatically, trigger model rebuilding. The result is a system that offers human-readable models of the data with minimal user intervention, supporting domain experts in extracting actionable knowledge and highlighting possibly meaningful interpretations. SeLINA's current implementation runs on Apache Spark. We tested it on large collections of realworld passive network measurements from a nationwide ISP, investigating YouTube and P2P traffic. The experimental results confirmed the ability of SeLINA to provide insights and detect changes in the data that suggest further analyses
Data: 2016
Status: Pubblicato
Lingua della pubblicazione: Inglese
Parole chiave: network monitoring, big data, clustering
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: 09 Nov 2016 09:53
Data ultima modifica (IRIS): 29 Nov 2016 16:20:47
Data inserimento (PORTO): 05 Dic 2016 13:06
Numero Identificativo (DOI): 10.1109/TNSM.2016.2597443
Permalink: http://porto.polito.it/id/eprint/2649842
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 (07529210.pdf) - Postprint
Accesso al documento: Non visibile (accessibile solo al proprietario del dato)
Licenza: Non pubblico - Accesso privato / Ristretto.

Download (760Kb (778282 bytes)) | Spedisci una richiesta all'autore per una copia del documento
[img] PDF (ApilettiEtAlTNSM16.pdf) - Postprint
Accesso al documento: Non visibile (accessibile solo al proprietario del dato)
Licenza: Non pubblico - Accesso privato / Ristretto.

Download (1896Kb (1941832 bytes)) | Spedisci una richiesta all'autore per una copia del documento
[img]
Preview
PDF (TNSMSelina2016.pdf) - Postprint
Accesso al documento: Visibile (Ad accesso aperto)
Licenza: Pubblico - Tutti i diritti riservati.

Download (671Kb (687794 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...