| netai Netai se ha desarrollado para identificar las aplicaciones de host final que son responsables de los flujos de tráfico en la red. |
Descargar ahora |
netai Clasificación y resumen
- Nombre del editor:
- Sebastian Zander and Nigel Williams
- Sitio web del editor:
- http://caia.swin.edu.au/urp/dstc/netai/
netai Etiquetas
netai Descripción
Netai se ha desarrollado para identificar las aplicaciones de host final que son responsables de los flujos de tráfico en la red. Netai proviene de la identificación de la aplicación basada en el tráfico de la red y se ha desarrollado para identificar las aplicaciones de host final que son responsables de los flujos de tráfico en la red. Solidades anteriores que identifican la aplicación según los números de puerto o la carga útil del paquete (ya sea a través de decodificación o firmas de protocolo) Netai calcula varias características independientes de carga útil (por ejemplo, estadísticas de tiempo de llegada de paquetes y paquetes) para un flujo de tráfico y utiliza técnicas de aprendizaje de máquinas (ml). La ML es una disciplina del área más amplia de la inteligencia artificial (AI). Antes de que Netai se pueda utilizar para clasificar una aplicación en particular, debe recibir capacitación en un conjunto representativo de flujos de tráfico de esa aplicación. Netai se puede utilizar fuera de línea (leer datos de paquetes de tracefiles) y en línea (captura en vivo en las interfaces de red). Aquí hay algunas características clave de "Netai": · Lectura de datos de paquetes de interfaces de red en vivo o tracefiles (TCPDUMP o formato de endance) · Creación directa de archivos de datos WEKA (archivos .ARFF) de los datos de paquetes · Exportación de información de flujo interino (mientras que los flujos siguen siendo activos), TCP y los tiempos de espera de flujo basados en el tiempo · Clasificación de paquetes flexibles y filtrado gracias a NetMate · Las nuevas características se pueden agregar y usar fácilmente. · Selección flexible de características que se utilizarán para la clasificación. · Se puede utilizar un gran número de algoritmos de aprendizaje de la máquina gracias a Weka · La extracción de características y la clasificación de flujo basada en ML se pueden ejecutar en diferentes máquinas: el extractor de funciones admite la exportación de datos a través de UDP o TCP
netai Software relacionado