JP2021168517A - 通信方法、及び通信装置 - Google Patents
通信方法、及び通信装置 Download PDFInfo
- Publication number
- JP2021168517A JP2021168517A JP2021122255A JP2021122255A JP2021168517A JP 2021168517 A JP2021168517 A JP 2021168517A JP 2021122255 A JP2021122255 A JP 2021122255A JP 2021122255 A JP2021122255 A JP 2021122255A JP 2021168517 A JP2021168517 A JP 2021168517A
- Authority
- JP
- Japan
- Prior art keywords
- state
- state transition
- communication
- communication traffic
- transition model
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/06—Generation of reports
- H04L43/067—Generation of reports using time frame reporting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/02—Capturing of monitoring data
- H04L43/026—Capturing of monitoring data using flow identification
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/18—Protocol analysers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/149—Network analysis or design for prediction of maintenance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5061—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the interaction between service providers and their network customers, e.g. customer relationship management
- H04L41/5067—Customer-centric QoS measurements
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
【解決手段】本発明の通信トラヒック分析装置は、通信トラヒックの時系列データから確率的な状態遷移モデルを所定のタイミング毎に作成する状態遷移モデル生成部と、状態遷移モデル作成部で作成された、2つのタイミングにおける状態遷移モデルに所定以上の差があり、かつ、ネットワークの通信状態が所定の条件を満たす場合に、状態遷移モデルを更新する状態遷移モデル更新部と、更新した状態遷移モデルを用いてアプリケーションの種別及び状態を推定するアプリケーション種別及び状態推定部とを備える。
【選択図】図8
Description
1.関連技術
2.本発明の実施形態の概要
3.本発明の実施形態に係るシステムの構成
4.第1の実施形態
4.1.通信トラヒック分析装置の構成
4.2.技術的特徴
4.3.まとめ
5.第2の実施形態
5.1.通信トラヒック分析装置の構成
5.2.技術的特徴
5.3.まとめ
6.第3の実施形態
6.1.通信トラヒック分析装置の構成
6.2.技術的特徴
6.3.まとめ
7.各実施形態の変形例
8.他の形態
上述のような通信サービスを取り巻く背景のもと、今後の通信事業者には、
− 通信利用者の通信品質に対するニーズの高度化、
− アプリケーション単位の要件に応じた通信、
− 刻々と変わるアプリケーションの利用状況等に応じた通信サービスの提供等が
求められることになる。このため、通信事業者では、アプリケーション種別及び状態の変化を把握することが課題となる。
− 制御対象パラメータ数の増加(通信帯域、伝送遅延の揺らぎ(ジッタ)等)など)
− 細かな制御周期。
(1)技術的課題
隠れマルコフモデルのような状態遷移モデルのパラメータを学習する際には一定期間の学習時間を要する。したがって、一定区間長の通信トラヒックの時系列データが溜まった後に確率的な状態遷移モデルを生成し、その一定区間長のアプリケーション種別及び状態を推定する方式では、分析処理時間経過後にしかアプリケーション種別及び状態を推定することができないため、リアルタイムにアプリケーション種別及び状態を推定することは困難である。
本発明の実施形態によれば、通信トラヒック分析装置は、例えば、通信トラヒックの時系列データから確率的な状態遷移モデルを所定のタイミング毎に作成する状態遷移モデル生成部と、状態遷移モデル作成部で作成された、2つのタイミングにおける状態遷移モデルに所定以上の差があり、かつ、ネットワークの通信状態が所定の条件を満たす場合に、状態遷移モデルを更新する状態遷移モデル更新部と、更新した状態遷移モデルを用いてアプリケーションの種別及び状態を推定するアプリケーション種別及び状態推定部と、を備える。
図1は、本発明の各実施形態に係るシステム1の概略的な構成の一例を示す説明図である。
<4.1.通信トラヒック分析装置の構成>
まず、図2を参照して、第1の実施形態に係る通信トラヒック分析装置100の構成の例を説明する。図2は、第1の実施形態に係る通信トラヒック分析装置100の構成の例を示すブロック図である。図2を参照すると、通信トラヒック分析装置100は、ネットワーク通信部110、記憶部120及び処理部130を備える。通信トラヒック分析装置100は、通信トラヒックの時系列データの変動波形(変動頻度、変動の大きさ)から推定したアプリケーション種別及び状態の遷移を確率的に算出するように構成される。
ネットワーク通信部110は、ネットワークから信号を受信し、ネットワークへ信号を送信する。
記憶部120は、通信トラヒック分析装置100の動作のためのプログラム及びパラメータ、並びに様々なデータを、一時的に又は恒久的に記憶する。
処理部130は、通信トラヒック分析装置100の様々な機能を提供する。処理部130は、通信トラヒック取得部131、状態遷移モデル生成部132、状態遷移モデル更新部133、オンラインアプリケーション種別及び状態推定部134、及び通信トラヒック制御部135を含む。なお、処理部130は、これらの構成要素以外の他の構成要素をさらに含み得る。すなわち、処理部130は、これらの構成要素の動作以外の動作も行い得る。例えば、処理部130(不図示の通信処理部)は、ネットワーク通信部210を介して他のノードと通信し得る。通信トラヒック取得部131、状態遷移モデル生成部132、状態遷移モデル更新部133、オンラインアプリケーション種別及び状態推定部134、及び通信トラヒック制御部135の具体的な動作は、後に詳細に説明する。
通信トラヒック取得部131は、パケットキャプチャ10から解析対象の通信トラヒックをリアルタイムで取得する。解析対象の通信トラヒックは予め定めることができる。
状態遷移モデル生成部132は、通信トラヒックの時系列データの変動波形からアプリケーション種別及び状態を確率的に推定するための状態遷移モデルを生成する。例えば、状態遷移モデル生成部132は、通信トラヒックの時系列データから確率的な状態遷移モデルを所定のタイミング毎に作成する。状態遷移モデルの生成手法については既知の手法を用いることができる。
状態遷移モデル更新部133は、オンラインアプリケーション種別及び状態推定部で利用する状態遷移モデルのパラメータを更新するタイミングを決定する。なお、状態遷移モデルのパラメータは状態遷移モデル生成部132によって生成される。状態遷移モデル更新部133は、例えば、状態遷移モデル生成部132で作成された、2つのタイミングにおける状態遷移モデルに所定以上の差があり、かつ、ネットワークの通信状態が所定の条件(例えば、通信制御に与える影響が少ないこと)を満たす場合に、状態遷移モデルを更新する。状態遷移モデル更新部133は、本実施の形態の特徴の1つである。詳細な動作については、以下の動作の説明の欄で記述する。
オンラインアプリケーション種別及び状態推定部134は、通信トラヒック取得部131で観測した通信トラヒックをリアルタイムに分析し、観測したタイミングのアプリケーション種別及び状態を推定する。例えば、オンラインアプリケーション種別及び状態推定部134は、状態遷移モデル更新部133が更新した状態遷移モデルを用いてアプリケーションの種別及び状態を推定する。アプリケーション種別及び状態推定部オンラインアプリケーション種別及び状態推定部134も、本実施形態の特徴の1つである。詳細な動作については、以下の動作の説明の欄で記述する。
通信トラヒック制御部135は、例えば通信トラヒックを分析した結果を用いて、通信トラヒックを制御する。例えば、通信トラヒック制御部135は、オンラインアプリケーション種別及び状態推定部134により推定したアプリケーション種別及び状態に基づいてネットワークの通信制御を実施する。通信トラヒック制御部135は、直接、通信制御等を行うようにしてもよいし、又は、ネットワークノード(L3スイッチ(Layer 3スイッチ)、基地局、ゲートウェイ等)に対して通信制御の指示を送信するようにしてもよい。
ネットワーク通信部110は、ネットワークアダプタ又はネットワークインタフェースカード等により実装されてもよい。記憶部120は、メモリ(例えば、不揮発性メモリ及び/若しくは揮発性メモリ)並びに/又はハードディスク等により実装されてもよい。処理部130は、プロセッサ等により実装されてもよい。通信トラヒック取得部131、状態遷移モデル生成部132、状態遷移モデル更新部133、オンラインアプリケーション種別及び状態推定部134、及び通信トラヒック制御部135は、これらの複数又は全てが同一のプロセッサにより実装されてもよく、それぞれ別々に異なるプロセッサにより実装されてもよい。上記メモリ(記憶部120)は、このようなプロセッサ(チップ)内に含まれてもよい。
(1)ネットワーク制御
ネットワーク制御として、通信トラヒック制御部135は、アプリケーション種別及び状態に応じて、トラヒックシェーピング、フィルタリングを制御するようにしてもよい。なお、トラヒックシェーピングは、パケット送信時の速度(送信間隔)を調整しトラヒックを一定のレートとする、帯域確保、帯域制限及び優先制御等の制御等を行う。フィルタリングは、トラヒックを検査し指定したフィルタリングルールに基づいて個々のネットワーク接続が許可または拒否する。
次に、第1の実施形態に係る処理の流れの例を説明する。
本実施形態においては、状態遷移モデル更新部133は、モデル更新のタイミングの適切さを考慮してモデル更新を実施する。モデル更新タイミングの適切さとは、例えば以下の2点ある。
次に、リアルタイムなアプリケーション種別及び状態の推定について説明する。図4は、本実施の形態における2つのスレッドを用いたリアルタイムなアプリケーション種別及び状態の推定の説明図である。
オンラインアプリケーション種別及び状態推定部134では、最新のモデルを用いて、観測した通信トラヒックからアプリケーション種別及び状態を推定する。アプリケーション種別及び状態を推定する方法の一例を以下に示す。
以上、第1の実施形態を説明した。第1の実施形態によれば、通信トラヒックの時系列データからアプリケーション種別及び状態を推定する際に、リアルタイムな推定を実現することが可能になる。また、時々刻々と変化するアプリケーション種別及び状態の変化に対してリアルタイムに追従し、アプリケーション品質を満足する通信制御を実現する。
続いて、図5〜図7を参照して、本発明の第2の実施形態を説明する。
図5を参照して、第2の実施形態に係る通信トラヒック分析装置200の構成の例を説明する。図5は、第2の実施形態に係る通信トラヒック分析装置200の構成の例を示すブロック図である。図5を参照すると、通信トラヒック分析装置200は、第1の実施形態の通信トラヒック分析装置100に加えて、処理部230に将来アプリケーション種別及び状態予測部136をさらに有する。
将来アプリケーション種別及び状態予測部136は、観測した通信トラヒックの時系列データと、状態遷移モデルパラメータとを用いて、将来のアプリケーション種別及び状態の遷移パターンを予測する。
本実施形態においる将来予測の目的のひとつは、将来のアプリケーション種別及び状態の変化パターンを予め算出することで、先回りの通信制御を実現することである。
確率を格納するためのパラメータとして、状態遷移モデルλが与えられたときに時刻t−1で状態がi、時刻tで状態がjとなる確率αt(i,j)を、以下のように定義する。
後向き状態遷移パターン算出フェーズでは、将来の時刻tc+Tから現時刻tcに向かって、どの状態が選択されるかを以下の(7)式で算出する。
以上、第2の実施形態を説明した。第2の実施形態によれば、通信トラヒックの時系列データからアプリケーション種別及び状態を推定する際に、リアルタイムな推定を実現することが可能になる。また、第2の実施形態によれば、将来のアプリケーション種別及び状態の変化パターンを予め算出することができる。
続いて、図8を参照して、本発明の第3の実施形態を説明する。上述した第1及び第2の実施形態は、具体的な実施形態であるが、第3の実施形態は、より一般化された実施形態である。
まず、図8を参照して、第3の実施形態に係る通信トラヒック分析装置300の構成の例を説明する。図8は、第3の実施形態に係る通信トラヒック分析装置300の構成の例を示すブロック図である。図8を参照すると、通信トラヒック分析装置300は、状態遷移モデル生成部332、状態遷移モデル更新部333及びオンラインアプリケーション種別及び状態推定部334を有する。
状態遷移モデル生成部332は、通信トラヒックの時系列データの変動波形からアプリケーション種別及び状態を確率的に推定するための状態遷移モデルを生成する。例えば、状態遷移モデル生成部332は、通信トラヒックの時系列データから確率的な状態遷移モデルを所定のタイミング毎に作成する。状態遷移モデルの生成手法については既知の手法を用いることができる。
状態遷移モデル更新部333は、オンラインアプリケーション種別及び状態推定部で利用する状態遷移モデルのパラメータを更新するタイミングを決定する。なお、状態遷移モデルのパラメータは状態遷移モデル生成部332によって生成される。状態遷移モデル更新部333は、例えば、状態遷移モデル生成部332で作成された、2つのタイミングにおける状態遷移モデルに所定以上の差があり、かつ、ネットワークの通信状態が所定の条件(例えば、通信制御に与える影響が少ないこと)を満たす場合に、状態遷移モデルを更新する。
オンラインアプリケーション種別及び状態推定部334は、観測した通信トラヒックをリアルタイムに分析し、観測したタイミングのアプリケーション種別及び状態を推定する。例えば、オンラインアプリケーション種別及び状態推定部334は、状態遷移モデル更新部333が更新した状態遷移モデルを用いてアプリケーションの種別及び状態を推定する。
状態遷移モデル生成部332、状態遷移モデル更新部333、及びオンラインアプリケーション種別及び状態推定部334は、これらの複数又は全てが同一のプロセッサにより実装されてもよく、それぞれ別々に異なるプロセッサにより実装されてもよい。上記メモリ(記憶部220)は、このようなプロセッサ(チップ)内に含まれてもよい。
第3の実施形態に係る処理の流れは、第1の実施形態におけるこれらについての説明と同じである。よって、ここでは重複する説明を省略する。
以上、第3の実施形態を説明した。第3の実施形態によれば、通信トラヒックの時系列データからアプリケーション種別及び状態を推定する際に、リアルタイムな推定を実現することが可能になる。
次に、図9を参照して、上述の各実施形態の変形例を説明する。図9は、本発明の各実施形態の変形例に係るシステム2、3の概略的な構成の一例を示す説明図である。
以上、本発明の実施形態を説明したが、本発明はこれらの実施形態に限定されるものではない。これらの実施形態は例示にすぎないということ、及び、本発明のスコープ及び精神から逸脱することなく様々な変形が可能であるということは、当業者に理解されるであろう。
通信トラヒックの時系列データから確率的な状態遷移モデルを所定のタイミング毎に作成する状態遷移モデル生成部と、
前記状態遷移モデル生成部で作成された、2つのタイミングにおける状態遷移モデルに所定以上の差があり、かつ、ネットワークの通信状態が所定の条件を満たす場合に、状態遷移モデルを更新する状態遷移モデル更新部と、
更新した状態遷移モデルを用いてアプリケーションの種別及び状態を推定するアプリケーション種別及び状態推定部と、
を備える通信トラヒック分析装置。
前記状態遷移モデル生成部は、前記アプリケーション種別及び状態推定部が第1スレッドにおいて第1状態遷移モデルを用いてアプリケーションの種別及び状態を推定する間に、第2スレッドにおいて、通信トラヒックの時系列データから確率的な第2状態遷移モデルを新たに作成する付記1に記載の通信トラヒック分析装置。
前記アプリケーション種別及び状態推定部により推定したアプリケーション種別及び状態に基づいてネットワークの通信制御を実施する通信トラヒック制御部
をさらに備える付記1又は2に記載の通信トラヒック分析装置。
前記状態遷移モデルを用いて、過去の確率的な状態遷移パターンと、状態の継続時間の確率的な分布を利用して、将来方向に状態確率を計算し、将来から現在方向にどの状態が選択されるかを計算して将来の所定タイミングまでのアプリケーション状態の変動パターンを予測する、将来アプリケーション状態変動予測部
をさらに備える付記1乃至3のいずれかに記載の通信トラヒック分析装置。
通信トラヒックの時系列データから確率的な状態遷移モデルを所定のタイミング毎に作成することと、
作成された、2つのタイミングにおける状態遷移モデルに所定以上の差があり、かつ、ネットワークの通信状態が所定の条件を満たす場合に、状態遷移モデルを更新することと、
更新した状態遷移モデルを用いてアプリケーションの種別及び状態を推定することと、
を含む通信トラヒック分析方法。
第1スレッドにおいて第1状態遷移モデルを用いてアプリケーションの種別及び状態を推定する間に、第2スレッドにおいて、通信トラヒックの時系列データから確率的な第2状態遷移モデルを新たに作成する付記5に記載の通信トラヒック分析方法。
推定したアプリケーション種別及び状態に基づいてネットワークの通信制御を実施すること
をさらに含む付記6に記載の通信トラヒック分析方法。
前記状態遷移モデルを用いて、過去の確率的な状態遷移パターンと、状態の継続時間の確率的な分布を利用して、将来方向に状態確率を計算し、将来から現在方向にどの状態が選択されるかを計算して将来の所定タイミングまでのアプリケーション状態の変動パターンを予測すること
をさらに含む付記5乃至7のいずれかに記載の通信トラヒック分析方法。
通信トラヒックの時系列データから確率的な状態遷移モデルを所定のタイミング毎に作成することと、
作成された、2つのタイミングにおける状態遷移モデルに所定以上の差があり、かつ、ネットワークの通信状態が所定の条件を満たす場合に、状態遷移モデルを更新することと、
更新した状態遷移モデルを用いてアプリケーションの種別及び状態を推定することと、
をプロセッサに実行させるためのプログラム。
通信トラヒックの時系列データから確率的な状態遷移モデルを所定のタイミング毎に作成することと、
作成された、2つのタイミングにおける状態遷移モデルに所定以上の差があり、かつ、ネットワークの通信状態が所定の条件を満たす場合に、状態遷移モデルを更新することと、
更新した状態遷移モデルを用いてアプリケーションの種別及び状態を推定することと、
をプロセッサに実行させるためのプログラムを記録したコンピュータに読み取り可能な非一時的記録媒体。
10 パケットキャプチャ
20 ネットワークノード
30 端末装置
40 サーバ
50 通信ネットワーク
100、200、300、400、500 通信トラヒック分析装置
130 処理部
131 通信トラヒック取得部
132 状態遷移モデル生成部
133 状態遷移モデル更新部
134 オンラインアプリケーション種別及び状態推定部
135 通信トラヒック制御部
136 将来アプリケーション種別及び状態予測部
Claims (3)
- 通信トラヒックの時系列データから確率的な状態遷移モデルを所定のタイミング毎に作成し、
2つのタイミングにおいて作成された状態遷移モデルに所定以上の差があり、かつ、ネットワークの通信状態が所定の条件を満たす場合に、状態遷移モデルを更新し、
更新した状態遷移モデルを用いて、通信端末が利用しているアプリケーションの種別またはアプリケーションの状態を推定する、通信方法。 - 通信トラヒックの時系列データから確率的な状態遷移モデルを所定のタイミング毎に作成する手段と、
2つのタイミングにおいて作成された状態遷移モデルに所定以上の差があり、かつ、ネットワークの通信状態が所定の条件を満たす場合に、状態遷移モデルを更新する手段と、
更新した状態遷移モデルを用いて、通信端末が利用しているアプリケーションの種別またはアプリケーションの状態を推定する手段と、を備える通信装置。 - 前記通信装置は、無線基地局またはサーバ装置を含む、請求項2に記載の通信装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018063598 | 2018-03-29 | ||
JP2018063598 | 2018-03-29 | ||
JP2020509598A JP6927417B2 (ja) | 2018-03-29 | 2018-11-01 | 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 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020509598A Division JP6927417B2 (ja) | 2018-03-29 | 2018-11-01 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021168517A true JP2021168517A (ja) | 2021-10-21 |
JP7095788B2 JP7095788B2 (ja) | 2022-07-05 |
Family
ID=68060574
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020509598A Active JP6927417B2 (ja) | 2018-03-29 | 2018-11-01 | 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 |
JP2021122255A Active JP7095788B2 (ja) | 2018-03-29 | 2021-07-27 | 通信方法、及び通信装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020509598A Active JP6927417B2 (ja) | 2018-03-29 | 2018-11-01 | 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 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11438246B2 (ja) |
JP (2) | JP6927417B2 (ja) |
WO (1) | WO2019187296A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10854011B2 (en) * | 2018-04-09 | 2020-12-01 | Direct Current Capital LLC | Method for rendering 2D and 3D data within a 3D virtual environment |
US11823461B1 (en) | 2018-09-28 | 2023-11-21 | Direct Current Capital LLC | Systems and methods for perceiving a scene around a mobile device |
US10984425B1 (en) | 2020-12-22 | 2021-04-20 | Braze, Inc. | Systems and methods for delivering in-application messages |
US20230129290A1 (en) * | 2021-10-21 | 2023-04-27 | Cisco Technology, Inc. | Interpretable forecasting using path state transitions in application driven predictive routing |
WO2023135729A1 (ja) * | 2022-01-14 | 2023-07-20 | 日本電信電話株式会社 | 推定装置、推定方法及びプログラム |
CN115277444B (zh) * | 2022-07-05 | 2023-06-02 | 中国人民解放军陆军炮兵防空兵学院 | 一种通信系统动态建模方法、存储介质和计算机系统 |
CN116827658B (zh) * | 2023-07-17 | 2024-01-16 | 青岛启弘信息科技有限公司 | 一种ai智能应用安全态势感知预测系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070220034A1 (en) * | 2006-03-16 | 2007-09-20 | Microsoft Corporation | Automatic training of data mining models |
US20140222997A1 (en) * | 2013-02-05 | 2014-08-07 | Cisco Technology, Inc. | Hidden markov model based architecture to monitor network node activities and predict relevant periods |
US20150161518A1 (en) * | 2013-12-05 | 2015-06-11 | Futurewei Technologies, Inc. | System and Method for Non-Invasive Application Recognition |
JP2017139580A (ja) * | 2016-02-02 | 2017-08-10 | 沖電気工業株式会社 | 通信解析装置及び通信解析プログラム |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2011158421A1 (ja) | 2010-06-16 | 2013-08-19 | 日本電気株式会社 | モデル特定装置 |
JP5659175B2 (ja) * | 2012-03-06 | 2015-01-28 | エヌ・ティ・ティ・コムウェア株式会社 | 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 |
JP6153166B2 (ja) * | 2013-08-29 | 2017-06-28 | 公立大学法人大阪市立大学 | トラヒック監視装置及びプログラム、並びに、通信装置 |
JP2015050714A (ja) * | 2013-09-03 | 2015-03-16 | 株式会社東芝 | 無線基地局、無線基地局の制御方法及び制御プログラム |
JP2015050759A (ja) * | 2013-09-05 | 2015-03-16 | 株式会社日立製作所 | トラヒック制御方法およびトラヒック制御装置 |
JP2016046669A (ja) * | 2014-08-22 | 2016-04-04 | 沖電気工業株式会社 | パケット処理装置、プログラム及び方法 |
US20160283566A1 (en) * | 2015-03-27 | 2016-09-29 | Ca, Inc. | Analyzing sorted mobile application operational state sequences based on sequence metrics |
JP6742894B2 (ja) * | 2016-06-09 | 2020-08-19 | 株式会社日立製作所 | データ予測システムおよびデータ予測方法 |
US10356115B2 (en) * | 2017-03-31 | 2019-07-16 | Level 3 Communications, Llc | Creating aggregate network flow time series in network anomaly detection systems |
JP6993559B2 (ja) * | 2017-05-16 | 2022-01-13 | 富士通株式会社 | トラフィック管理装置、トラフィック管理方法およびプログラム |
CN107577522B (zh) * | 2017-09-30 | 2020-04-21 | Oppo广东移动通信有限公司 | 应用控制方法、装置、存储介质以及电子设备 |
-
2018
- 2018-11-01 WO PCT/JP2018/040721 patent/WO2019187296A1/ja active Application Filing
- 2018-11-01 US US17/040,859 patent/US11438246B2/en active Active
- 2018-11-01 JP JP2020509598A patent/JP6927417B2/ja active Active
-
2021
- 2021-07-27 JP JP2021122255A patent/JP7095788B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070220034A1 (en) * | 2006-03-16 | 2007-09-20 | Microsoft Corporation | Automatic training of data mining models |
US20140222997A1 (en) * | 2013-02-05 | 2014-08-07 | Cisco Technology, Inc. | Hidden markov model based architecture to monitor network node activities and predict relevant periods |
US20150161518A1 (en) * | 2013-12-05 | 2015-06-11 | Futurewei Technologies, Inc. | System and Method for Non-Invasive Application Recognition |
WO2015085102A1 (en) * | 2013-12-05 | 2015-06-11 | Huawei Technologies Co., Ltd. | System and method for non-invasive application recognition |
JP2017139580A (ja) * | 2016-02-02 | 2017-08-10 | 沖電気工業株式会社 | 通信解析装置及び通信解析プログラム |
Non-Patent Citations (1)
Title |
---|
沢辺 亜南、岩井 孝法、里田 浩三: "暗号化トラヒック分析を用いたスマートフォンの利用アプリケーション判定", 電子情報通信学会技術研究報告 NS2017−126−NS2017−143 ネットワークシステム, vol. 117, no. 351, JPN6022019588, 7 December 2017 (2017-12-07), JP, pages 1 - 6, ISSN: 0004779835 * |
Also Published As
Publication number | Publication date |
---|---|
WO2019187296A1 (ja) | 2019-10-03 |
JP7095788B2 (ja) | 2022-07-05 |
JP6927417B2 (ja) | 2021-08-25 |
US20210021495A1 (en) | 2021-01-21 |
JPWO2019187296A1 (ja) | 2021-02-12 |
US11438246B2 (en) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6927417B2 (ja) | 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 | |
US10924393B2 (en) | Per-flow call admission control using a predictive model to estimate tunnel QoS in SD-WAN networks | |
US10904125B2 (en) | Active probe construction using machine learning for measuring SD-WAN tunnel metrics | |
US11411838B2 (en) | Adaptive stress testing of SD-WAN tunnels for what-if scenario model training | |
JP7184125B2 (ja) | トラヒック分析装置、方法及びプログラム | |
US11474894B2 (en) | Partial reroute of traffic onto a backup tunnel using predictive routing | |
CN113475089B (zh) | 用于面向用户的内容流的方法和系统 | |
US11240690B2 (en) | Streaming media quality of experience prediction for network slice selection in 5G networks | |
US11063861B2 (en) | Ensuring backup path performance for predictive routing in SD-WANs | |
US20220231939A1 (en) | Model counterfactual scenarios of sla violations along network paths | |
US11343171B2 (en) | Using a flappiness metric to limit traffic disruption in wide area networks | |
US20220070086A1 (en) | Optimal proactive routing with global and regional constraints | |
US11470005B2 (en) | Congestion detection using machine learning on arbitrary end-to-end paths | |
WO2021028063A1 (en) | Predicting congestion levels in a communications network | |
Bao et al. | Bitrate adaptation for mobile video streaming based on buffer and channel state | |
US20240031277A1 (en) | Predictive network routing with dynamic smoothing envelope creation for noisy network timeseries | |
Ahmad et al. | Timber: An SDN based emulation platform for QoE management experimental research | |
WO2021014267A1 (en) | Cognitively controlling data delivery | |
Liotou et al. | The value of context-awareness in bandwidth-challenging HTTP Adaptive Streaming scenarios | |
JP2016052034A (ja) | 通信帯域算出装置、通信帯域算出方法及びプログラム | |
JP6737286B2 (ja) | 通信予測装置および通信予測方法、並びにコンピュータ・プログラムが格納された記録媒体 | |
US20220286388A1 (en) | Predictive routing-based policy adjustments in software-defined networks | |
Zhang et al. | Adaptive resource allocation with SVM-based multi-hop video packet delay bound violation modeling | |
US11902472B2 (en) | Application routing based on user experience metrics learned from call transcripts | |
US11979311B2 (en) | User-assisted training data denoising for predictive systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210727 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220502 |
|
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: 20220524 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220606 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7095788 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |