JP2013187629A - アプリケーション種別分類装置及びアプリケーション種別分類方法並びにそのプログラム - Google Patents
アプリケーション種別分類装置及びアプリケーション種別分類方法並びにそのプログラム Download PDFInfo
- Publication number
- JP2013187629A JP2013187629A JP2012049439A JP2012049439A JP2013187629A JP 2013187629 A JP2013187629 A JP 2013187629A JP 2012049439 A JP2012049439 A JP 2012049439A JP 2012049439 A JP2012049439 A JP 2012049439A JP 2013187629 A JP2013187629 A JP 2013187629A
- Authority
- JP
- Japan
- Prior art keywords
- communication data
- type
- information
- category
- application
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
【解決手段】取得した通信パケットを発生させたアプリケーションサービスが所定の複数の種別の何れであるかの推定に利用する種別推定用情報であって、所定の複数の種別を区別する1つまたは複数の特徴情報と、当該特徴情報を表す代表数値とを示す種別推定用情報を読み込んで、取得した通信パケットを発生させたアプリケーションサービスの種別を、当該種別推定用情報と、取得した通信パケットの特徴情報が表す数値とを用いて判定する。
【選択図】図1
Description
図1は同実施形態によるアプリケーション種別分類装置を備えたアプリケーション種別分類システムの構成を示すブロック図である。
この図において、符号1は通信データ収集装置、符号2はカテゴリ特徴学習装置、符号3はアプリケーション種別分類装置、符号4は通信ネットワークである。
通信データ収集装置1は、通信ネットワーク4を流れる通信データを収集して、通信接続されたカテゴリ特徴学習装置2やアプリケーション種別分類装置3へ出力する装置である。本実施形態においては、通信ネットワーク4にはTCP/IPの通信プロトコルによる通信データである通信パケットが流れているものとする。
またカテゴリ特徴学習装置2は、通信パケットが示す特徴に基づいてどのような通信パケットがどのカテゴリに属するアプリケーションサービスのプログラムによって発生されたかを判定するための情報を学習する装置である。
またアプリケーション種別分類装置3は、現在、通信ネットワーク4を流れている通信パケットを通信データ収集装置1より新たに取得して、当該通信パケットがどのカテゴリに属するアプリケーションサービスのプログラムによって発生されたかを判定する装置である。
この図で示すように、カテゴリ特徴学習装置2は、制御部21、通信部22、学習データ生成部23、学習データ記憶部24、学習機能部25の各処理部や記憶部を備えている。
またアプリケーション種別分類装置3は、制御部31、通信部32、通信データ取得部33、特徴テンプレート記憶部34、アプリケーション種別分類部35の各処理部や記憶部を備えている。
以下、通信データ収集装置1、カテゴリ特徴学習装置2、アプリケーション種別分類装置3の各処理の詳細について、順を追って説明する。
この図で示すように、学習データ記憶部24は、特徴テンプレート計算用学習データと、特徴選出用学習データを記憶している。当該2つの学習データは、通信ネットワーク4を流れる通信パケットを通信データ収集装置1より受信した後に、学習データ生成部23がその通信パケットを用いて生成し、学習データ記憶部24に書き込んだ情報である。より具体的には、学習データ生成部23は、通信データ収集装置1より受信した通信パケットのうち、特定のアプリケーションサービスプログラムを実行している装置間で送受信される一連の通信パケットを取得する。そして学習データ生成部23は、その通信パケットを発生させたアプリケーションサービスについてのカテゴリ(種別)を、通信パケットの複数の特徴に基づいて判定し、そのカテゴリを示すカテゴリ番号と、その通信パケットについて学習した順番を示す学習データ番号と、その通信パケットの複数の特徴情報を対応付けた学習データを、学習データ記憶部24に記録する。
また特徴2はデータサイズを示す情報であり、例えば1つのパケットのデータサイズが登録されている。
また特徴3は通信方向を示す情報であり、片方向通信とみなす場合には1、双方向通信とみなす場合には2の情報が登録されている。なお通信方向は、例えば、通信パケットを送受信する装置間の特定方向への通信が、当該装置間で双方向で発生する通信パケット全体の0%〜25%および75%〜100%の場合には片方向通信とみなされ、26%〜74%の場合には双方向通信とみなされる。
また特徴4は通信レートを示す情報であり、単位時間当たりのデータ送信量(例えば何メガビット毎秒であるかの情報)が登録されている。
学習データには、通信パケットにおけるその他の特徴を示す情報が登録されてよい。
この図で示すように、本実施形態においては、通信パケットを発生させたアプリケーションサービスはカテゴリ1からカテゴリ5までの5つのカテゴリの何れかに分類される。
まず、カテゴリ1は、Telnet等の、TCP(Transmission Control Protocol)により制御される通信を発生させ、また当該通信が制御情報やコマンド情報のための通信であり、通信を行う装置間の一方方向に送信される通信パケットが主要な割合を占め、データ量の小さい通信パケットを発生させるアプリケーションサービスが分類されるカテゴリである。
また、カテゴリ3は、ファイル転送やウェブブラウジングやコンテンツデリバリ等の、TCPにより制御される通信を発生させ、データ転送を主に行う通信パケットを発生させるアプリケーションサービスが分類されるカテゴリである。
また、カテゴリ5は、IP電話やテレビ会議等の、UDP(User Datagram Protocol)により制御される通信であって、通信を行う装置間での双方向の通信パケット全体のうち一方向に送信される通信が所定の割合範囲で送信されることによりほぼ双方向で通信パケットを発生させるアプリケーションサービスが分類されるカテゴリである。
なおカテゴリ1〜カテゴリ5までの各カテゴリは、アプリケーションサービスを利用するユーザの体感品質の観点で分類されたカテゴリである。
ユーザの体感品質は、DataAmount型(主にTCPにより制御される通信)とDataRate型(主にUDPにより制御される通信)とで異なる。例えば、TCPにより制御される通信パケットを発生させるアプリケーションサービスの場合には、再送処理が行われるため、パケットロスが発生した場合、ユーザには遅延として体感されることが多い。一方UDPにより制御される通信パケットを発生させるアプリケーションサービスの場合には、パケットロスが発生した場合でも、ユーザに遅延として体感されることが比較的少ない。よって、TCPにより制御される通信パケットを発生させるアプリケーションサービスが分類されるカテゴリ(カテゴリ1,2,3)と、UDPにより制御される通信パケットを発生させるアプリケーションサービスが分類されるカテゴリ(カテゴリ4,5)を設けている。
また、双方向通信によりサービスが行われ電話等と同等以上の品質が求められるネットワークゲーム等のアプリケーションサービスをカテゴリ2と分類している。
また、サービスの品質の観点から見ると数十秒程度の遅延までは許容できるアプリケーションサービスをカテゴリ3と分類している。
上述したように、カテゴリ特徴学習装置2の学習データ生成部23は、図3で示すような2つの学習データ(特徴テンプレート計算用学習データ,特徴選出用学習データ)を予め生成して学習データ記憶部24に記録しておく。そして何らかの契機において、カテゴリ特徴学習装置2の学習機能部25が処理を開始する(ステップS101)。当該処理の開始の契機は、例えば、指定時刻に達した場合、または開始コマンドを受信した場合などである。すると学習機能部25は、学習データ記憶部24より、2種類の学習データのうちの特徴テンプレート計算用学習データを読み込む(ステップS102)。
この図が示すように、第一特徴テンプレートデータは、カテゴリ番号と、各特徴の重心とを対応付けて記憶している。
また学習機能部25は、通信パケットを発生させたアプリケーションサービスが、カテゴリ2とカテゴリ3の2つの種別の何れであるかの推定に利用する種別推定用情報Bを生成する。
また学習機能部25は、通信パケットを発生させたアプリケーションサービスが、カテゴリ1とカテゴリ3の2つの種別の何れであるかの推定に利用する種別推定用情報Cを生成する。
また学習機能部25は、通信パケットを発生させたアプリケーションサービスが、カテゴリ4とカテゴリ5の2つの種別の何れであるかの推定に利用する種別推定用情報Dを生成する。
ここで、図7を用いて、通信パケットを発生させたアプリケーションサービスが、カテゴリ1とカテゴリ3の2つの種別の何れであるかの推定に利用する種別推定用情報Cを生成する場合の例について説明する。
この場合、学習機能部25は、第二テンプレートデータのカテゴリ1の各特徴の重心と、第一テンプレートデータのカテゴリ1の各特徴の重心とを特徴ごとにそれぞれ比較して、その差を特徴ごとに算出する。
また学習機能部25は、第二テンプレートデータのカテゴリ1の各特徴の重心と、第一テンプレートデータのカテゴリ3の各特徴の重心とを特徴ごとにそれぞれ比較して、その差を特徴ごとに算出する。
また学習機能部25は、第二テンプレートデータのカテゴリ3の各特徴の重心と、第一テンプレートデータのカテゴリ1の各特徴の重心とを特徴ごとにそれぞれ比較して、その差を特徴ごとに算出する。
また学習機能部25は、第二テンプレートデータのカテゴリ3の各特徴の重心と、第一テンプレートデータのカテゴリ3の各特徴の重心とを特徴ごとにそれぞれ比較して、その差を特徴ごとに算出する。
{10,49}
であり、第一テンプレートデータのカテゴリ1の{特徴1,特徴2}の重心が、
{12,52}
であるので、第二テンプレートデータのカテゴリ1と第一テンプレートデータのカテゴリ1の差は{特徴1,特徴2}それぞれについて{2,3}である。
{10,49}
であり、第一テンプレートデータのカテゴリ3の{特徴1,特徴2}の重心が、
{22,51}
であるので、第二テンプレートデータのカテゴリ1と第一テンプレートデータのカテゴリ3の差は{特徴1,特徴2}それぞれについて{12,2}である。
他方、特徴2については、第二テンプレートデータのカテゴリ1(自カテゴリ)の重心と第一テンプレートデータのカテゴリ1(自カテゴリ)の重心の差と、第二テンプレートデータのカテゴリ1(自カテゴリ)の重心と第一テンプレートデータのカテゴリ3(他カテゴリ)の重心の差が、それほど変化しない。従って特徴2はカテゴリ1とカテゴリ3とを区別する特徴として有効でない可能性が高いと判定できる。
また学習機能部25は、第二テンプレートデータにおけるカテゴリ1とカテゴリ3の2つのカテゴリのうちの一方のカテゴリ(自カテゴリ)の重心と第一テンプレートデータにおける一方のカテゴリ(自カテゴリ)の重心の差の倍数より、第二テンプレートデータの一方のカテゴリ(自カテゴリ)の重心と第一テンプレートデータの他方のカテゴリ(他カテゴリ)の重心の差が大きくない場合には、有効である可能の低い特徴の候補と決定する。
他方、特徴2については、第二テンプレートデータにおけるカテゴリ1(自カテゴリ)の重心と第一テンプレートデータにおけるカテゴリ1(自カテゴリ)の重心の差“3”の倍数より、第二テンプレートデータのカテゴリ1(自カテゴリ)の重心と第一テンプレートデータのカテゴリ3(他カテゴリ)の重心の差“2”は大きくないので、学習機能部25は、特徴2を、有効である可能の低い特徴の候補と決定する。
これにより第二テンプレートデータのカテゴリ1を用いて、カテゴリ1とカテゴリ3とを区別するために有効である可能性の高い特徴として特徴1が決定される。
{20,50}
であり、第一テンプレートデータのカテゴリ1の{特徴1,特徴2}の重心が、
{12,52}
であるので、第二テンプレートデータのカテゴリ3と第一テンプレートデータのカテゴリ1の差は{特徴1,特徴2}それぞれについて{8,2}である。
{20,50}
であり、第一テンプレートデータのカテゴリ3の{特徴1,特徴2}の重心が、
{22,51}
であるので、第二テンプレートデータのカテゴリ3と第一テンプレートデータのカテゴリ3の差は{特徴1,特徴2}それぞれについて{2,1}である。
他方、特徴2については、第二テンプレートデータにおけるカテゴリ3(自カテゴリ)の重心と第一テンプレートデータにおけるカテゴリ3(自カテゴリ)の重心の差“1”の倍数より、第二テンプレートデータのカテゴリ3(自カテゴリ)の重心と第一テンプレートデータのカテゴリ1(他カテゴリ)の重心の差“2”が大きくないので、学習機能部25は、特徴2を、有効である可能の低い特徴の候補と決定する。
これにより第二テンプレートデータのカテゴリ3を用いて、カテゴリ1とカテゴリ3とを区別するために有効である可能性の高い特徴として特徴1が決定される。
そして、学習機能部25は同様の処理により、種別推定用情報A〜Dを生成して、それらの種別推定用情報A〜Dを、通信部22を介してアプリケーション種別分類装置3へ送信する(ステップS108)。すると、アプリケーション種別分類装置3の制御部31が、通信部32を介して種別推定用情報A〜Dを取得して、特徴テンプレート記憶部34に記録する。これにより、アプリケーション種別分類装置3が、新たに通信パケットを取得して、その通信パケットを発生させたアプリケーションサービスの分類を行うための環境が整うこととなる。
次にアプリケーション種別分類装置3の処理の詳細について順を追って説明する。
カテゴリ特徴学習装置2による種別推定用情報の生成が完了した後に、何らかのアプリケーション種別分類装置3の処理開始の指示を受けると(ステップS201)、アプリケーション種別分類装置3の制御部31は、通信部32を介して、通信データ収集装置1へ通信パケットの送信を要求する。すると通信データ収集装置1は、通信ネットワーク4より通信パケットをキャプチャし、その通信パケットのデータをアプリケーション種別分類装置3へ出力する。そして、アプリケーション種別分類装置3の通信データ取得部33が、通信データ収集装置1より受信した通信パケットのデータを、通信部32を介して取得する(ステップS202)。そして、通信データ取得部33は取得した通信パケットを、アプリケーション種別分類部35へ出力する。
“Pa_F1”は取得した通信パケットの特徴の数値である。
“C1_F1”は所定の3つのカテゴリのうちの第1のカテゴリの特徴が示す重心(代表数値)である。
“C2_F1”は所定の3つのカテゴリのうちの第2のカテゴリの特徴が示す重心(代表数値)である。
“C3_F1”は所定の3つのカテゴリのうちの第3のカテゴリの特徴が示す重心(代表数値)である。
なお、重み値は、推定用情報に含まれる特徴に関連付けられた重み値である(図7参照)。
“Pa_F1”は取得した通信パケットの第一の特徴の数値である。
“Pa_F2”は取得した通信パケットの第二の特徴の数値である。
“C1_F1”は所定の3つのカテゴリのうちの第一のカテゴリの第一の特徴が示す重心(代表数値)である。
“C1_F2”は所定の3つのカテゴリのうちの第一のカテゴリの第二の特徴が示す重心(代表数値)である。
“C2_F1”は所定の3つのカテゴリのうちの第二のカテゴリの第一の特徴が示す重心(代表数値)である。
“C2_F2”は所定の3つのカテゴリのうちの第二のカテゴリの第二の特徴が示す重心(代表数値)である。
“C3_F1”は所定の3つのカテゴリのうちの第三のカテゴリの第一の特徴が示す重心(代表数値)である。
“C3_F2”は所定の3つのカテゴリのうちの第三のカテゴリの第二の特徴が示す重心(代表数値)である。
各重み値は、推定用情報に含まれる第一の特徴および第二の特徴それぞれに関連付けられた重み値である(図7参照)。
“Pa_F1”は取得した通信パケットの特徴の数値である。
“C1_F1”は所定の2つのカテゴリのうちの一方のカテゴリの特徴が示す重心(代表数値)である。
“C3_F1”は所定の2つのカテゴリのうちの他方のカテゴリの特徴が示す重心(代表数値)である。
なお、重み値は、推定用情報に含まれる特徴に関連付けられた重み値である(図7参照)。
“Pa_F1”は取得した通信パケットの第一の特徴の数値である。
“Pa_F2”は取得した通信パケットの第二の特徴の数値である。
“C1_F1”は所定の2つのカテゴリのうちの一方のカテゴリの第一の特徴が示す重心(代表数値)である。
“C1_F2”は所定の2つのカテゴリのうちの一方のカテゴリの第二の特徴が示す重心(代表数値)である。
“C3_F1”は所定の2つのカテゴリのうちの他方のカテゴリの第一の特徴が示す重心(代表数値)である。
“C3_F2”は所定の2つのカテゴリのうちの他方のカテゴリの第二の特徴が示す重心(代表数値)である。
各重み値は、推定用情報に含まれる第一の特徴および第二の特徴それぞれに関連付けられた重み値である(図7参照)。
他方、アプリケーション種別分類部35は、取得した通信パケット特徴と、カテゴリ3に属するアプリケーションサービスが発生させる通信パケットの特徴との類似度の方が、カテゴリ1の場合に比べて高い場合には、取得した通信パケット群を発生させたアプリケーションサービスのカテゴリを、カテゴリ3と判定する(ステップS210)。
他方、アプリケーション種別分類部35は、取得した通信パケット特徴と、カテゴリ5に属するアプリケーションサービスが発生させる通信パケットの特徴との類似度の方が、カテゴリ4の場合に比べて高い場合には、取得した通信パケット群を発生させたアプリケーションサービスのカテゴリを、カテゴリ5と判定する(ステップS213)。
2・・・カテゴリ特徴学習装置
3・・・アプリケーション種別分類装置
4・・・通信ネットワーク
21,31・・・制御部
22,32・・・通信部
23・・・学習データ生成部
24・・・学習データ記憶部
25・・・学習機能部
33・・・通信データ取得部
34・・・特徴テンプレート記憶部
35・・・アプリケーション種別分類部
Claims (9)
- 通信データを取得する通信データ取得部と、
通信データを発生させるアプリケーションサービスの種別のうち、前記取得した通信データを発生させたアプリケーションサービスが所定の複数の種別の何れであるかの推定に利用する種別推定用情報であって、前記所定の複数の種別を区別する1つまたは複数の特徴情報と当該特徴情報を表す代表数値とを示す種別推定用情報を読み込んで、前記取得した通信データを発生させたアプリケーションサービスの種別を、当該種別推定用情報に含まれる種別のアプリケーションサービスが発生させる通信データについての特徴情報と、前記取得した通信データの特徴情報との類似度に基づいて判定するアプリケーション種別分類部と、
を備えることを特徴とするアプリケーション種別分類装置。 - 所定の複数の種別の何れであるかの推定に利用する種別推定用情報が、所定の2つの種別の何れであるかの推定に利用する種別推定用情報である場合に、
前記アプリケーション種別分類部は、
前記所定の2つの種別のうちの一方の種別の特徴情報を表す代表数値と前記取得した通信データの特徴情報が示す数値の差を、前記種別推定用情報が示す特徴情報についての前記所定の2つの種別ごとの代表数値と前記取得した通信データの特徴情報が示す数値との各差異それぞれの逆数の加算値で除することにより、前記取得した通信データの特徴情報と、前記所定の2つの種別を区別する特徴情報との第一類似度を算出し、
前記所定の2つの種別のうちの他方の種別の特徴情報を表す代表数値と前記取得した通信データの特徴情報が示す数値の差を、前記種別推定用情報が示す特徴情報についての前記所定の2つの種別ごとの代表数値と前記取得した通信データの特徴情報が示す数値との各差異それぞれの逆数の加算値で除することにより、前記取得した通信データの特徴情報と、前記所定の2つの種別を区別する特徴情報との第二類似度を算出し、
前記第一類似度と前記第二類似度を比較して、前記第一類似度が大きい場合には前記取得した通信データを発生させたアプリケーションサービスを前記一方の種別に属するアプリケーションサービスと判定し、前記第二類似度が大きい場合には前記取得した通信データを発生させたアプリケーションサービスを前記他方の種別に属するアプリケーションサービスと判定する
ことを特徴とする請求項1に記載のアプリケーション種別分類装置。 - 前記アプリケーション種別分類部は、
前記取得した通信データを発生させたアプリケーションサービスが所定の複数の種別の何れであるかの推定に利用する種別推定用情報を、前記所定の複数の種別の組合せが異なる複数について読み込んで、それら複数の種別推定用情報に共通して含まれる特徴情報を表す前記代表数値それぞれと、前記取得した通信データの特徴情報が示す数値とを用いて、前記取得した通信データを発生させたアプリケーションサービスの種別が、前記所定の複数の種別のうちの何れであるかを判定する
ことを特徴とする請求項1または請求項2に記載のアプリケーション種別分類装置。 - アプリケーション種別分類装置のアプリケーション種別分類方法であって、
通信データ取得部が通信データを取得し、
アプリケーション種別分類部が、通信データを発生させるアプリケーションサービスの種別のうち、前記取得した通信データを発生させたアプリケーションサービスが所定の複数の種別の何れであるかの推定に利用する種別推定用情報であって、前記所定の複数の種別を区別する1つまたは複数の特徴情報と当該特徴情報を表す代表数値とを示す種別推定用情報を読み込んで、前記取得した通信データを発生させたアプリケーションサービスの種別を、当該種別推定用情報に含まれる種別のアプリケーションサービスが発生させる通信データについての特徴情報と、前記取得した通信データの特徴情報との類似度に基づいて判定する
ことを特徴とするアプリケーション種別分類方法。 - 所定の複数の種別の何れであるかの推定に利用する種別推定用情報が、所定の2つの種別の何れであるかの推定に利用する種別推定用情報である場合に、
前記アプリケーション種別分類部は、
前記所定の2つの種別のうちの一方の種別の特徴情報を表す代表数値と前記取得した通信データの特徴情報が示す数値の差を、前記種別推定用情報が示す特徴情報についての前記所定の2つの種別ごとの代表数値と前記取得した通信データの特徴情報が示す数値との各差異それぞれの逆数の加算値で除することにより、前記取得した通信データの特徴情報と、前記所定の2つの種別を区別する特徴情報との第一類似度を算出し、
前記所定の2つの種別のうちの他方の種別の特徴情報を表す代表数値と前記取得した通信データの特徴情報が示す数値の差を、前記種別推定用情報が示す特徴情報についての前記所定の2つの種別ごとの代表数値と前記取得した通信データの特徴情報が示す数値との各差異それぞれの逆数の加算値で除することにより、前記取得した通信データの特徴情報と、前記所定の2つの種別を区別する特徴情報との第二類似度を算出し、
前記第一類似度と前記第二類似度を比較して、前記第一類似度が大きい場合には前記取得した通信データを発生させたアプリケーションサービスを前記一方の種別に属するアプリケーションサービスと判定し、前記第二類似度が大きい場合には前記取得した通信データを発生させたアプリケーションサービスを前記他方の種別に属するアプリケーションサービスと判定する
ことを特徴とする請求項4に記載のアプリケーション種別分類方法。 - 前記アプリケーション種別分類部は、
前記取得した通信データを発生させたアプリケーションサービスが所定の複数の種別の何れであるかの推定に利用する種別推定用情報を、前記所定の複数の種別の組合せが異なる複数について読み込んで、それら複数の種別推定用情報に共通して含まれる特徴情報を表す前記代表数値それぞれと、前記取得した通信データの特徴情報が示す数値とを用いて、前記取得した通信データを発生させたアプリケーションサービスの種別が、前記所定の複数の種別のうちの何れであるかを判定する
ことを特徴とする請求項4または請求項5に記載のアプリケーション種別分類方法。 - アプリケーション種別分類装置のコンピュータを、
通信データを取得する通信データ取得手段、
通信データを発生させるアプリケーションサービスの種別のうち、前記取得した通信データを発生させたアプリケーションサービスが所定の複数の種別の何れであるかの推定に利用する種別推定用情報であって、前記所定の複数の種別を区別する1つまたは複数の特徴情報と当該特徴情報を表す代表数値とを示す種別推定用情報を読み込んで、前記取得した通信データを発生させたアプリケーションサービスの種別を、当該種別推定用情報に含まれる種別のアプリケーションサービスが発生させる通信データについての特徴情報と、前記取得した通信データの特徴情報との類似度に基づいて判定するアプリケーション種別分類手段、
として機能させることを特徴とするプログラム。 - 所定の複数の種別の何れであるかの推定に利用する種別推定用情報が、所定の2つの種別の何れであるかの推定に利用する種別推定用情報である場合に、
前記アプリケーション種別分類手段は、
前記所定の2つの種別のうちの一方の種別の特徴情報を表す代表数値と前記取得した通信データの特徴情報が示す数値の差を、前記種別推定用情報が示す特徴情報についての前記所定の2つの種別ごとの代表数値と前記取得した通信データの特徴情報が示す数値との各差異それぞれの逆数の加算値で除することにより、前記取得した通信データの特徴情報と、前記所定の2つの種別を区別する特徴情報との第一類似度を算出し、
前記所定の2つの種別のうちの他方の種別の特徴情報を表す代表数値と前記取得した通信データの特徴情報が示す数値の差を、前記種別推定用情報が示す特徴情報についての前記所定の2つの種別ごとの代表数値と前記取得した通信データの特徴情報が示す数値との各差異それぞれの逆数の加算値で除することにより、前記取得した通信データの特徴情報と、前記所定の2つの種別を区別する特徴情報との第二類似度を算出し、
前記第一類似度と前記第二類似度を比較して、前記第一類似度が大きい場合には前記取得した通信データを発生させたアプリケーションサービスを前記一方の種別に属するアプリケーションサービスと判定し、前記第二類似度が大きい場合には前記取得した通信データを発生させたアプリケーションサービスを前記他方の種別に属するアプリケーションサービスと判定する
ことを特徴とする請求項7に記載のプログラム。 - 前記アプリケーション種別分類手段は、
前記取得した通信データを発生させたアプリケーションサービスが所定の複数の種別の何れであるかの推定に利用する種別推定用情報を、前記所定の複数の種別の組合せが異なる複数について読み込んで、それら複数の種別推定用情報に共通して含まれる特徴情報を表す前記代表数値それぞれと、前記取得した通信データの特徴情報が示す数値とを用いて、前記取得した通信データを発生させたアプリケーションサービスの種別が、前記所定の複数の種別のうちの何れであるかを判定する
ことを特徴とする請求項7または請求項8に記載のプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012049439A JP5659175B2 (ja) | 2012-03-06 | 2012-03-06 | アプリケーション種別分類装置及びアプリケーション種別分類方法並びにそのプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012049439A JP5659175B2 (ja) | 2012-03-06 | 2012-03-06 | アプリケーション種別分類装置及びアプリケーション種別分類方法並びにそのプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013187629A true JP2013187629A (ja) | 2013-09-19 |
JP5659175B2 JP5659175B2 (ja) | 2015-01-28 |
Family
ID=49388729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012049439A Expired - Fee Related JP5659175B2 (ja) | 2012-03-06 | 2012-03-06 | アプリケーション種別分類装置及びアプリケーション種別分類方法並びにそのプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5659175B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015170983A (ja) * | 2014-03-06 | 2015-09-28 | Kddi株式会社 | ネットワーク品質監視装置、プログラムおよびネットワーク品質監視方法 |
JP2016054435A (ja) * | 2014-09-04 | 2016-04-14 | 日本電信電話株式会社 | 操作検出装置、操作検出装置の動作方法およびコンピュータプログラム |
WO2017138403A1 (ja) * | 2016-02-09 | 2017-08-17 | 日本電気株式会社 | 制御装置、制御方法及びプログラムを記憶する記憶媒体 |
WO2019176997A1 (ja) * | 2018-03-14 | 2019-09-19 | 日本電気株式会社 | トラヒック分析装置、方法及びプログラム |
WO2019187296A1 (ja) * | 2018-03-29 | 2019-10-03 | 日本電気株式会社 | 通信トラヒック分析装置、通信トラヒック分析方法、プログラム及び記録媒体 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012034262A (ja) * | 2010-08-02 | 2012-02-16 | Nippon Telegr & Teleph Corp <Ntt> | フロー分類方法、システム、およびプログラム |
-
2012
- 2012-03-06 JP JP2012049439A patent/JP5659175B2/ja not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012034262A (ja) * | 2010-08-02 | 2012-02-16 | Nippon Telegr & Teleph Corp <Ntt> | フロー分類方法、システム、およびプログラム |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015170983A (ja) * | 2014-03-06 | 2015-09-28 | Kddi株式会社 | ネットワーク品質監視装置、プログラムおよびネットワーク品質監視方法 |
JP2016054435A (ja) * | 2014-09-04 | 2016-04-14 | 日本電信電話株式会社 | 操作検出装置、操作検出装置の動作方法およびコンピュータプログラム |
WO2017138403A1 (ja) * | 2016-02-09 | 2017-08-17 | 日本電気株式会社 | 制御装置、制御方法及びプログラムを記憶する記憶媒体 |
WO2019176997A1 (ja) * | 2018-03-14 | 2019-09-19 | 日本電気株式会社 | トラヒック分析装置、方法及びプログラム |
JPWO2019176997A1 (ja) * | 2018-03-14 | 2021-02-25 | 日本電気株式会社 | トラヒック分析装置、方法及びプログラム |
US11411850B2 (en) | 2018-03-14 | 2022-08-09 | Nec Corporation | Traffic analysis apparatus, method, and program |
WO2019187296A1 (ja) * | 2018-03-29 | 2019-10-03 | 日本電気株式会社 | 通信トラヒック分析装置、通信トラヒック分析方法、プログラム及び記録媒体 |
JPWO2019187296A1 (ja) * | 2018-03-29 | 2021-02-12 | 日本電気株式会社 | 通信トラヒック分析装置、通信トラヒック分析方法、プログラム及び記録媒体 |
US11438246B2 (en) | 2018-03-29 | 2022-09-06 | Nec Corporation | Communication traffic analyzing apparatus, communication traffic analyzing method, program, and recording medium |
Also Published As
Publication number | Publication date |
---|---|
JP5659175B2 (ja) | 2015-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5659175B2 (ja) | アプリケーション種別分類装置及びアプリケーション種別分類方法並びにそのプログラム | |
JP6434659B2 (ja) | ネットワーク容量拡大のための方法および装置 | |
US10091675B2 (en) | System and method for estimating an effective bandwidth | |
WO2019184640A1 (zh) | 一种指标确定方法及其相关设备 | |
CN103595576B (zh) | 一种基于内容提供商标识的互联口icp流量统计系统及方法 | |
CN110247819B (zh) | 一种基于加密流识别的Wi-Fi视频采集设备检测方法及系统 | |
WO2021159902A1 (zh) | 年龄识别方法、装置、设备及计算机可读存储介质 | |
CN109271793A (zh) | 物联网云平台设备类别识别方法及系统 | |
CN107659505B (zh) | 一种sdn网络的选路方法和sdn控制器 | |
WO2014161281A1 (zh) | 联机处理数据的方法、设备及系统 | |
TW202127834A (zh) | 用於行動通訊系統之威脅偵測系統及其中心裝置與本地裝置 | |
CN108901035A (zh) | 物联网终端的识别方法和装置 | |
CN102902674B (zh) | 服务群组分类方法和系统 | |
US20170013430A1 (en) | User classification method, apparatus, and server | |
JPWO2015016262A1 (ja) | 情報処理装置、認証システム、認証方法、及びプログラム | |
CN109429296B (zh) | 用于终端与上网信息关联的方法、装置及存储介质 | |
WO2018192518A1 (zh) | 数据处理方法、装置及存储介质 | |
CN109164986A (zh) | 云盘数据处理方法、装置、电子设备及存储介质 | |
JP2015528260A (ja) | モバイルデバイス内で複数の候補アプリケーションのための通信接続を提供するための方法及びデバイス | |
JP2019028744A (ja) | データ処理システム、データ処理方法およびプログラム | |
JP5806630B2 (ja) | アプリケーション検査システム | |
JP5528372B2 (ja) | フロー品質劣化特定装置及び方法 | |
JP6174537B2 (ja) | 操作検出装置、操作検出装置の動作方法およびコンピュータプログラム | |
KR101285076B1 (ko) | 인간의 행동을 모방하는 가상 객체를 이용한 통신 방법 및 그 방법에 따른 통신 시스템 | |
CN115278290B (zh) | 一种基于边缘节点的虚拟现实视频缓存方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140106 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140704 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140708 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140828 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20141104 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20141201 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5659175 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |