JP2013187629A

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

Info

Publication number: JP2013187629A
Application number: JP2012049439A
Authority: JP
Inventors: Haiying Jiang; 海鷹蒋; Koichi Kawahara; 浩一川原; Takehiko Watanabe; 岳彦渡邉
Original assignee: NTT Comware Corp
Current assignee: NTT Comware Corp
Priority date: 2012-03-06
Filing date: 2012-03-06
Publication date: 2013-09-19
Anticipated expiration: 2032-03-06
Also published as: JP5659175B2

Abstract

【課題】通信データを発生させたアプリケーションサービスの分類を少ない計算量により判定することのできるアプリケーション種別分類装置を提供する。
【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

本発明は、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判定する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に関する。

近年、ＩＰ（Internet Protocol）ネットワークの急速な普及・高速化に伴い、通信トラフィックが急増している。一方でＯｐｅｎｆｌｏｗ等の柔軟なトラフィック制御技術の出現により、アプリケーションサービス毎に区別して通信品質を提供できるよう、通信トラフィックから得られる通信データの特徴に着目し、その通信データがどのようなアプリケーションサービスにより発生された通信データであるかを分類する技術が提案されている（特許文献１、非特許文献２等）。

特開２０１１−１５２５３号公報

前田浩明、外５名、「ＬＰＣケプストラムを用いたネットワークトラヒック分類手法に関する一考察」、電子情報通信学会,信学技報, vol. 110, no. 287, CQ2010-60, pp. 67-72, 2010年11月

ここで、上述のような技術を用いた場合、通信データがどのようなアプリケーションサービスにより発生された通信データであるかの分類を行うにあたり、取得した通信データの特徴と、予め把握した多数のアプリケーションサービスにより発生される通信データのそれぞれ特徴とを比較し、取得した通信データがどのアプリケーションサービスにより発生された通信データかを判定している。しかしながら、取得した通信データの特徴と、予め把握した多数のアプリケーションサービスにより発生される通信データそれぞれ特徴とを総当りで比較すると計算量が膨大となる。また新たに追加されたアプリケーションサービスから発生された通信データを分類する場合には、その通信データを分類できない場合や、計算量が増加することが懸念される。

そこでこの発明は、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分類を少ない計算量により判定することのできる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を提供することを目的としている。

上記目的を達成するために、本発明は、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である。

また本発明は、上述のアプリケーション種別分類装置において、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。

また本発明は、上述のアプリケーション種別分類装置において、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。

また本発明は、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。

また本発明は、上述のアプリケーション種別分類方法において、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。

また本発明は、上述のアプリケーション種別分類方法において、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。

また本発明は、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である。

また本発明は、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プログラムである。

また本発明は、前記アプリケーション種別分類手段が、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プログラムである。

本発明によれば、比較的少ない処理負荷により、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、複数のカテゴリのうちの何れに属するかを判定することができる。

本発明の一実施形態による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。本発明の一実施形態によるカテゴリ特徴学習装置とアプリケーション種別分類装置の機能ブロック図である。本発明の一実施形態による学習データ記憶部の記憶する学習データの例を示す図である。本発明の一実施形態によるカテゴリの定義を説明するための図である。本発明の一実施形態によるカテゴリ特徴学習装置の処理フローを示す図である。本発明の一実施形態による第一特徴テンプレートデータの例を示す図である。本発明の一実施形態による種別推定用情報Ｃの生成例を示す図である。本発明の一実施形態によるアプリケーション種別分類装置の処理フローを示す図である。

以下、本発明の一実施形態によるアプリケーション種別分類装置を図面を参照して説明する。
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。

図２はカテゴリ特徴学習装置とアプリケーション種別分類装置の機能ブロック図である。
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。

そして、本実施形態において、アプリケーション種別分類装置３は、通信データ収集装置１より、通信ネットワーク４を流れる通信データである通信パケットを取得する。そして、アプリケーション種別分類装置３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の複数の種別のうち、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を読み込む。そして、アプリケーション種別分類装置３は、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、種別推定用情報と、取得した通信パケットの特徴情報が示す数値を用いて判定する。
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。

図３は学習データ記憶部２４の記憶する学習データの例を示す図である。
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。

ここで、学習データは、図３に示すように、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とに分類される。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の各学習データは、学習データ生成部２３が異なるタイミングで同様の処理により生成した学習データであり、それぞれ、カテゴリ番号、学習番号、１つまたは複数の特徴情報を有している。なお学習データ種類は、特徴テンプレート計算用学習データまたは特徴選出用学習データの何れかを示す識別子（例えば、Ａ；特徴テンプレート計算用学習データ、Ｂ；特徴選出用学習データ）である。

なお図３で示す学習データにおいて、特徴１はＴＣＰまたはＵＤＰの何れであるかを示す情報であり、ＴＣＰの場合は数値“１”、ＵＤＰの場合は数値“２”が登録されている。
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。

図４は本実施形態におけるカテゴリの定義を説明するための図である。
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２は、ネットワークゲーム等の、ＴＣＰ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が発生し、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４は、映像配信やネットラジオ等の、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る通信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。

本実施形態のアプリケーション種別分類装置３では、通信パケットを発生させたアプリケーションのカテゴリを、これら５つのカテゴリの何れかに分類する。これにより、分類の効率化を図り、処理量の軽減を図っている。
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。

そして、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の中で、コマンド送受信やシンクライアント制御等の小さいデータのやり取りを行うアプリケーションサービスであって、数百ミリ秒程度の遅延までしか許容できないアプリケーションサービスをカテゴリ１と分類している。
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。

また、片方向または双方向のいずれかの通信方向の状況によってユーザのパケットロス等による遅延の影響の受け方が異なるアプリケーションサービスであって、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を、片方向の場合にはカテゴリ４と、双方向の場合にはカテゴリ５と分類している。

図５はカテゴリ特徴学習装置の処理フローを示す図である。
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）。

そして学習機能部２５は、特徴テンプレート計算用学習データ中の同一のカテゴリ番号に対応付けられた複数の学習データ番号に関する各特徴の数値を抽出する。そして、学習機能部２５は、特徴テンプレート計算用学習データに含まれる同一カテゴリについての特徴ごとの数値の重心を算出し、当該特徴テンプレート計算用学習データに含まれるカテゴリ番号と各特徴の重心とを対応付けた第一特徴テンプレートデータを生成する（ステップＳ１０３）。本実施形態において特徴ごとの数値の重心は、例えばそれら数値の平均である。学習機能部２５は特徴テンプレート計算用学習データに含まれる全てのカテゴリについての第一特徴テンプレートデータを同様に生成する。そして、学習機能部２５は、特徴テンプレート計算用学習データに含まれる全てのカテゴリについて生成した第一特徴テンプレートデータを、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Ｓ１０４）。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を介して特徴テンプレート計算用学習データに含まれる全てのカテゴリについての第一特徴テンプレートデータを取得して、特徴テンプレート記憶部３４に記録する。

図６は第一特徴テンプレートデータの例を示す図である。
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、もう一方の学習データである特徴選出用学習データを学習データ記憶部２４より読み込む（ステップＳ１０５）。そして、学習機能部２５は、特徴選出用学習データ中の同一のカテゴリ番号に対応付けられた複数の学習データ番号に関する各特徴の数値を抽出する。そして、学習機能部２５は、特徴選出用学習データに含まれる同一カテゴリについての特徴ごとの数値の重心を算出し、カテゴリ番号と各特徴の重心とを対応付けた第二特徴テンプレートデータを生成する。学習機能部２５は特徴選出用学習データに含まれる全てのカテゴリについての第二特徴テンプレートデータを、第一特徴テンプレートデータの生成の処理と同様に生成する（ステップＳ１０６）。そして学習機能部２５は、アプリケーション種別分類装置３へ、既に登録済みの第一テンプレートデータを送信するよう通信部３２を介して要求し、第一テンプレートデータを受信する。そして、学習機能部２５は、第一テンプレートデータと第二テンプレートデータとを比較して、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、所定の２つのカテゴリの何れであるかの推定に利用する種別推定用情報Ａ〜Ｄを生成する（ステップＳ１０７）。

より具体的に説明すると、学習機能部２５は、一例として、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２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Ａ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。

なお、カテゴリ１とカテゴリ４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や、カテゴリ２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を生成してもよいが、下記の説明において、本実施形態では、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、何れのカテゴリに属するものであるかの推定において、予め通信パケットがＴＣＰにより制御される通信パケットであるか、ＵＤＰにより制御される通信パケットであるかを事前に判定する。従って、通信パケットを発生させたアプリケーションサービスのプログラムが、カテゴリ１とカテゴリ４や、カテゴリ２とカテゴリ５などの、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属するカテゴリと、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属するカテゴリの何れであるかを判定する必要がない。よって、通信パケットを発生させたアプリケーションサービスのプログラムが、カテゴリ１とカテゴリ４や、カテゴリ２とカテゴリ５などの、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属するカテゴリと、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属するカテゴリの何れであるかを判定するための種別推定用情報は生成する必要がないため、これによっても、処理の軽減を図ることができる。

図７は種別推定用情報Ｃの生成例を示す図である。
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。

つまり、図７で示すように、今、第二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、
｛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。

また、第二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、
｛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。

ここで、特徴１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）の重心の差が大きくなる。従って特徴１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ある可能性が高いと判定できる。
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。

各特徴が２つのカテゴリを区別するものとして有効か有効でないかの判定するにあたり、学習機能部２５は、ある特徴について、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）の重心の差が大きいかを判定する。

そして、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）の重心の差が大きい場合には、有効である可能の高い特徴の候補と決定する。
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。

図７で示すように、特徴１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“２”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“１２”は大きいので、学習機能部２５は、特徴１を、有効である可能の高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。

また同様に、図７より、第二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、
｛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。

また、第二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、
｛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。

この場合、特徴１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“２”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“８”は大きいので、学習機能部２５は、特徴１を、有効である可能の高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、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決定した各特徴と、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決定した各特徴との何れにも含まれる特徴を、カテゴリ１とカテゴリ３とを区別できる特徴と特定する。つまり、図７の場合、学習機能部２５は、特徴１を、カテゴリ１とカテゴリ３とを区別できる特徴と特定する。そして、学習機能部２５は、カテゴリ１の番号，カテゴリ３の番号，特徴１の識別子（特徴番号）と、特徴１の重み値と、を少なくとも含む種別推定用情報Ｃを生成する。なお、重み値はユーザによって設定された値である。ここで、種別推定用情報としては、既に生成した第一テンプレートデータのカテゴリ１とカテゴリ３の重心の数値も含むものとするが、この情報については、既に、アプリケーション種別分類装置３の特徴テンプレート記憶部３４に記録されているため、本実施形態においては、学習機能部２５は、カテゴリ１とカテゴリ３の重心の数値を入れずに種別推定用情報を生成している。

図７の例では、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つのカテゴリの何れであるかを区別できる特徴として、特徴１の一つのみが決定されているが、実際には、それら２つのカテゴリの何れであるかを区別できる特徴として、複数の特徴が決定されてよい。
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。

図８はアプリケーション種別分類装置の処理フローを示す図である。
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。

なお、本実施形態においては、通信データ収集装置１のキャプチャした通信パケットは、ある特定の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通信パケットであるとする。複数の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通信パケットを通信データ収集装置１がキャプチャする場合には、通信データ収集装置１が、キャプチャした通信パケットの中から雑音を取り除いて、特定の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通信パケットのみを抽出し、アプリケーション種別分類装置３へ送信してもよいし、その処理を、アプリケーション種別分類装置３が行うようにしてもよい。

次に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群のデータを解析して、当該通信パケットの各特徴の値を計算する（ステップＳ２０３）。当該特徴の計算は、図３で示すような学習データの生成時の処理と同様の処理である。そして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群が、ＴＣＰにより制御される通信パケットであるか、ＵＤＰにより制御される通信パケットであるかを判定する（ステップＳ２０４）。

取得した通信パケットがＴＣＰにより制御される通信パケットである場合、アプリケーション種別分類部３５は、カテゴリ１とカテゴリ２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Ａと、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とを特徴テンプレート記憶部３４より読み込む。ここで、種別推定用情報Ａに含まれる１つまたは複数の特徴の情報と、種別推定用情報Ｂに含まれる１つまたは複数の特徴の情報とに共通する特徴を用いることにより、取得した通信パケットに基づいてアプリケーションサービスがカテゴリ２に含まれるか、それ以外のカテゴリに含まれるかを判定することができる。従って、アプリケーション種別分類部３５は、種別推定用情報Ａと種別推定用情報Ｂに含まれる共通の各特徴の重心の数値と、取得した通信パケットの特徴のうちの前記共通の特徴についての数値とを用いて、取得した通信パケットの特徴と、カテゴリ１，カテゴリ２，カテゴリ３それぞれに属するアプリケーションサービスが発生する各通信パケットの特徴との各類似度を算出する（ステップＳ２０５）。

そして、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の特徴と、カテゴリ２に属するアプリケーションサービスが発生する通信パケットの特徴との類似度が最も高いかを判定する（ステップＳ２０６）。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の特徴と、カテゴリ２に属するアプリケーションサービスが発生する通信パケットの特徴との類似度が最も高いと判定した場合には、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２と判定する（ステップＳ２０７）。

なお、アプリケーション種別分類部３５は、以下の処理により、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、何れのカテゴリであるかを判定するための類似度を算出する。つまり、まず、アプリケーション種別分類部３５は、区別可能なカテゴリの組合せの異なる種別推定用情報Ａ（取得した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２の何れであるかを区別する種別推定用情報）と、種別推定用情報Ｂ（取得した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の何れであるかを区別する種別推定用情報）に含まれる各カテゴリについての共通する特徴を抽出する。そして、アプリケーション種別分類部３５は、それら共通する特徴についての重心（代表数値）と、取得した通信パケットの特徴が示す数値とを用いて、以下の様に、取得した通信パケットの特徴と、種別推定用情報Ａ，Ｂに含まれる複数のカテゴリ１，２，３それぞれに属する各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である、第一類似度（取得した通信パケットの特徴とカテゴリ１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）、第二類似度（取得した通信パケットの特徴とカテゴリ２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）、第三類似度（取得した通信パケットの特徴とカテゴリ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）を算出する。

より具体的には、アプリケーション種別分類部３５は、各種別推定用情報において１つの特徴が含まれる場合、

により、取得した通信パケットの特徴と、複数の種別推定用情報（種別推定用情報Ａ，Ｂ）に含まれる複数のカテゴリ（カテゴリ１，２，３）のうちの第１のカテゴリ（カテゴリ１）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を算出する。またアプリケーション種別分類部３５は、

により、取得した通信パケットの特徴と、複数の種別推定用情報（種別推定用情報Ａ，Ｂ）に含まれる複数のカテゴリ（カテゴリ１，２，３）のうちの第２のカテゴリ（カテゴリ２）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を算出する。またアプリケーション種別分類部３５は、

により、取得した通信パケットの特徴と、複数の種別推定用情報（種別推定用情報Ａ，Ｂ）に含まれる複数のカテゴリ（カテゴリ１，２，３）のうちの第３のカテゴリ（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を算出する。式（１）、（２）、（３）において、
“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）。

また、例えば、種別推定用情報において２つの特徴が含まれる場合、アプリケーション種別分類部３５は、

により、取得した通信パケットの特徴と、複数の種別推定用情報（種別推定用情報Ａ，Ｂ）に含まれる複数のカテゴリ（カテゴリ１，２，３）のうちの第３のカテゴリ（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を算出する。式（４）、（５）、（６）において、
“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）。

またアプリケーション種別分類部３５は、ステップＳ２０６において、取得した通信パケットの特徴と、カテゴリ２に属するアプリケーションサービスが発生する通信パケットの特徴との類似度が最も高くない場合には、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が、カテゴリ１またはカテゴリ３の何れかであると判定する。従って、アプリケーション種別分類部３５は、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を判定する。つまり、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を発生させたアプリケーションサービスが、種別推定用情報Ｃに含まれる所定の２つのカテゴリ（カテゴリ１またはカテゴリ３）のうちの何れのカテゴリであるかを判定するための類似度を算出する（ステップＳ２０８）。

つまり、まず、アプリケーション種別分類部３５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）と、取得した通信パケットの特徴が示す数値の差を、種別推定用情報が示す特徴についての所定の２つのカテゴリごとの重心（代表数値）と取得した通信パケットの特徴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、取得した通信パケットの特徴と、所定の２つのカテゴリを区別する特徴との第一類似度を算出する。

またアプリケーション種別分類部３５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）と、取得した通信パケットの特徴が示す数値の差を、種別推定用情報が示す特徴についての所定の２つのカテゴリごとの重心（代表数値）と取得した通信パケットの特徴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、取得した通信パケットの特徴と、所定の２つのカテゴリを区別する特徴との第二類似度を算出する。

そして、アプリケーション種別分類部３５は、第一類似度と第二類似度を比較して、第一類似度が大きい場合には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を一方のカテゴリに属するアプリケーションサービスと判定する。またアプリケーション種別分類部３５は、第二類似度が大きい場合には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を他方のカテゴリに属するアプリケーションサービスと判定する。

例えば、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２つのカテゴリの何れであるかの推定に利用する種別推定用情報において１つの特徴が含まれる場合、アプリケーション種別分類部３５は、

により、取得した通信パケットの特徴と、種別推定用情報に含まれる所定の２つのカテゴリのうちの一方のカテゴリ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を算出する。またアプリケーション種別分類部３５は、

により、取得した通信パケットの特徴と、種別推定用情報に含まれる所定の２つのカテゴリのうちの他方のカテゴリ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を算出する。式（７）、（８）において、
“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）。

また、例えば、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２つのカテゴリの何れであるかの推定に利用する種別推定用情報において２つの特徴が含まれる場合、アプリケーション種別分類部３５は、

により、取得した通信パケットの特徴と、種別推定用情報に含まれる所定の２つのカテゴリのうちの他方のカテゴリ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を算出する。式（９），（１０）において、
“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）。

そして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１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３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２と判定する（ステップＳ２０９）。
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）。

またアプリケーション種別分類部３５は、ステップＳ２０４において、取得した通信パケット群が、ＵＤＰにより制御される通信パケットであると判定した場合には、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が、カテゴリ４またはカテゴリ５の何れかであると判定する。従って、アプリケーション種別分類部３５は、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４とカテゴリ５の２つの種別の何れであるかを判定する。つまり、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を発生させたアプリケーションサービスが、種別推定用情報Ｄに含まれる所定の２つのカテゴリ（カテゴリ４またはカテゴリ５）のうちの何れのカテゴリであるかを判定するための類似度を、上述の式（９）、（１０）と同様に算出する（ステップＳ２１１）。

そして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４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５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４と判定する（ステップＳ２１２）。
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）。

以上、本発明の実施形態について説明したが、上述したアプリケーション種別分類装置３の処理によれば、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、予め定められた５つのサービスカテゴリであって、ユーザの体感品質の観点で定めた５つのカテゴリのうちの何れかに属するかを判定すればよい。これにより、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による帯域制御などを、ユーザの体感品質に合わせて設定する等を行うにあたり、比較的少ない処理負荷により、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、複数のカテゴリのうちの何れに属するかを判定することができる。

本実施形態においては、取得する通信データが通信パケットである場合の例を用いて説明したが、通信データが有線ネットワークを流れる通信パケット以外のデータ（例えば無線通信における通信データなど）であっても、同様の処理により、通信データを発生させたアプリケーションサービスのカテゴリを分類することができる。

なお、上述の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のそれぞれは、内部にコンピュータシステムを有している。そして、上述した各処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって、上記処理が行われる。ここでコンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリ等をいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしても良い。

また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。

１・・・通信データ収集装置
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

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。