Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Citado por Google
- Similares en SciELO
- Similares en Google
Compartir
Revista Ingenierías Universidad de Medellín
versión impresa ISSN 1692-3324versión On-line ISSN 2248-4094
Resumen
VARGAS-ARCILA, Angela María; CORRALES-MUNOZ, Juan Carlos; RENDON-GALLON, Alvaro y SANCHIS, Araceli. Selección de discriminadores de tráfico de red para clasificación en tiempo real. Rev. ing. univ. Medellín [online]. 2021, vol.20, n.38, pp.67-85. Epub 20-Nov-2021. ISSN 1692-3324. https://doi.org/10.22395/rium.v20n38a4.
Existen varias técnicas para seleccionar un conjunto de variables para clasificación del tráfico de red. Sin embargo, muchos estudios ignoran el ámbito del conocimiento en donde el análisis y clasificación del tráfico tiene lugar y no consideran la información, siempre en movimiento, que se transporta en dichas redes. Este artículo describe el proceso de selección de discriminadores tráfico de redes en línea. Se obtuvieron 24 características que pueden procesarse en tiempo real y se proponen como los conjuntos de atributos base para futuros análisis, procesamiento y calificación conscientes del dominio (domain-aware). Para la selección de un conjunto de discriminadores de tráfico y con el fin de evitar los inconvenientes mencionados anteriormente, se llevaron a cabo tres etapas. La primera consiste en la selección manual basada en el conocimiento contextual de las características de tráfico de red que tengan las condiciones de obtener en tiempo real a partir del flujo. La segunda etapa se enfoca en la calidad del análisis de los atributos previamente seleccionados para asegurar la relevancia de cada uno a la hora de efectuar la clasificación del tráfico. En la tercera etapa, la implementación de varios algoritmos de aprendizaje incremental verifican la idoneidad de tales atributos en procesos de clasificación de tráfico en línea.
Palabras clave : aprendizaje incremental; clasificación de tráfico de la red; clasificación en línea; selección de características de tráfico.