CLASSIFICAÇÃO DE TRÁFEGO EM REDES DEFINIDAS POR SOFTWARE UTILIZANDO REDES NEURAIS ARTIFICIAIS DO TIPO MLP
O objetivo deste trabalho foi realizar um estudo comparativo sobre algoritmos de otimização de uma Rede Neural Artificial do tipo MLP para a classificação de tráfego entrante em Redes Definidas por Software. As Redes Definidas por Software facilitam a implementação de técnicas de coleta global de dados de tráfego. A partir do conhecimento gerado pela classificação do tráfego entrante na rede, torna-se possível a realocação dos recursos existentes, evitando sobrecargas e ataques maliciosos, além do oferecimento de qualidade de serviços às aplicações, dependendo da classe de tráfego dos fluxos transportados. Para a realização deste trabalho, os algoritmos ADAM, L-BFGS e SGD foram implementados em linguagem Python. Os algoritmos da MLP utilizaram momentum e taxas de aprendizado constante e adaptativa. Os desempenhos dos classificadores foram avaliados levando em conta os valores de acurácia, precisão, revocação e F1-score. O algoritmo ADAM obteve os melhores resultados quando foi utilizada a taxa de aprendizado constante. Por outro lado, o ADAM e o L-BFGS obtiveram resultados iguais no caso do uso da taxa de aprendizado adaptativa.
CLASSIFICAÇÃO DE TRÁFEGO EM REDES DEFINIDAS POR SOFTWARE UTILIZANDO REDES NEURAIS ARTIFICIAIS DO TIPO MLP
-
DOI: 10.22533/at.ed.1782125114
-
Palavras-chave: Redes Definidas por Software, Redes Neurais Artificiais, MLP, Classificação de Tráfego.
-
Keywords: Software Defined Networks, Artificial Neural Networks, MLP, Traffic Classification.
-
Abstract:
The aim of this work was to conduct a comparative study on optimization algorithms of a MLP Artificial Neural Network for the classification of incoming traffic of Software-Defined Networks. Software-Defined Networks facilitate the implementation of global traffic data collection techniques. From the knowledge generated by the classification of incoming traffic on the network, it is possible to reallocate existing resources, avoiding overloads, malicious attacks, as well as offering quality services to applications, depending on the traffic class of the transported flows. To perform this work, the ADAM, L-BFGS and SGD algorithms were implemented in Python. MLP algorithms used momentum and constant and adaptive learning rates. The performances of the classifiers were evaluated taking into account the accuracy, precision, recall and F1-score values. The ADAM algorithm achieved the best results when the constant learning rate was used. On the other hand, ADAM and L-BFGS obtained equal results when using the adaptive learning rate.
-
Número de páginas: 15
- Victor de Freitas Arruda
- Maurílio José Inácio
- Renê Rodrigues Veloso
- Nilton Alves Maia
