PDF Publication Title:
Text from PDF Page: 006
I. RESUMEN El objetivo de esta tesis es el presentar la aplicación de técnicas novedosas de aprendizaje automático (ML-Machine Learning) en el campo de la Telecomunicaciones, y en particular a problemáticas relacionadas con el análisis y la predicción de tráfico en redes de datos (NTAP – Network Traffic Analysis and Prediction). Las aplicaciones de NTAP son muy amplias, por lo que esta Tesis se focaliza en las siguientes cinco áreas específicas: - Predicción de la conectividad de dispositivos wireless. - Clasificación de tráfico de red, utilizando las cabeceras de los paquetes transmitidos - Detección de intrusiones de seguridad, utilizando información de tráfico de red - Generación de tráfico sintético asociado a ataques de seguridad y utilización de dicho tráfico sintético para mejorar los algoritmos de detección de intrusiones de seguridad. - Estimación de la calidad de la experiencia percibida por el usuario (QoE) al visualizar secuencias de video, utilizando información agregada de los paquetes transmitidos La intención última es crear modelos de predicción y análisis que supongan mejoras en las áreas de NTAP arriba mencionadas. Para ello, en esta Tesis se plantean avances en la aplicación de técnicas de aprendizaje automático al área de NTAP. Estos avances consisten en: - Desarrollo de nuevos modelos de aprendizaje automático específicos para NTAP - Especificar nuevas formas de estructurar y transformar los datos de entrenamiento para que los modelos de aprendizaje automático existentes se puedan aplicar a problemas específicos de NTAP. - Definir algoritmos para la creación de tráfico de red sintético que corresponda con eventos específicos en la operativa de la red (p. ej. tipos específicos de intrusiones), asegurando que los nuevos datos sintéticos puedan ser usados como nuevos datos de entrenamiento. - Extensión y aplicación de modelos clásicos de aprendizaje automático al área de NTAP, obteniendo mejoras en las métricas de clasificación o regresión, y/o mejoras en las medidas de rendimiento de los algoritmos (p. ej. tiempo de entrenamiento, tiempo de predicción, necesidades de memoria, ...) En esta Tesis se han aplicado tanto las técnicas más conocidas de aprendizaje automático (p.ej. regresión logística, arboles aleatorios, máquinas de vector soporte...) como las nuevas técnicas de aprendizaje profundo (DL – Deep Learning). En los últimos años, han aumentado la variedad y éxito en la aplicación de las técnicas de aprendizaje profundo. Las técnicas de aprendizaje profundo son un área específica de las técnicas de aprendizaje automático, caracterizándose por incluir redes neuronales con varias capas y arquitecturas y conectividad diversa. Los algoritmos relacionados con el aprendizaje profundo se han aplicado ampliamente en las áreas de: procesamiento de imágenes y video, audio, tratamiento de textos, comprensión y traducción del lenguaje natural, finanzas, medicina, ventas. En esta Tesis veremos cómo su aplicación se puede extender a las problemáticas asociadas con NTAP. Para la realización de la tesis se ha optado por el formato de compendio de artículos publicados en revistas indexadas JCR. Se han publicado cinco artículos. Esta tesis se centra solo en los Doctoral Thesis: Novel applications of Machine Learning to NTAP -4PDF Image | Novel applications of Machine Learning to Network Traffic Analysis
PDF Search Title:
Novel applications of Machine Learning to Network Traffic AnalysisOriginal File Name Searched:
456453_1175348.pdfDIY PDF Search: Google It | Yahoo | Bing
Cruise Ship Reviews | Luxury Resort | Jet | Yacht | and Travel Tech More Info
Cruising Review Topics and Articles More Info
Software based on Filemaker for the travel industry More Info
The Burgenstock Resort: Reviews on CruisingReview website... More Info
Resort Reviews: World Class resorts... More Info
The Riffelalp Resort: Reviews on CruisingReview website... More Info
CONTACT TEL: 608-238-6001 Email: greg@cruisingreview.com (Standard Web Page)