| netai NETAI a été développé pour identifier les applications d'hôte de fin responsables des flux de trafic du réseau. |
Télécharger maintenant |
netai Classement & Résumé
- Nom de l'éditeur:
- Sebastian Zander and Nigel Williams
- Site Internet de l'éditeur:
- http://caia.swin.edu.au/urp/dstc/netai/
netai Mots clés
netai La description
NETAI a été élaboré pour identifier les applications d'hôte de fin responsables des flux de trafic dans le réseau. NETAI provient de l'identification de l'application basée sur le trafic réseau et a été élaborée pour identifier les applications d'hôte finale responsables des flux de trafic dans le réseau.Une des solutions précédentes identifiant l'application basée sur les numéros de port ou la charge utile de paquets (via le décodage ou les signatures de protocole). NetAi calcule diverses caractéristiques indépendantes de charge utile (par exemple, statistiques de temps d'arrivée de paquets et de paquets) pour un flux de trafic et utilise des techniques d'apprentissage de la machine.ml est une discipline de la zone plus large de l'intelligence artificielle (AI). Avant de pouvoir classer une application particulière, elle doit être formée à un ensemble de flux de trafic représentatif de cette application. NETAI peut être utilisé hors connexion (lecture de données de paquets à partir de TraceFiles) et en ligne (capture en direct sur des interfaces réseau). Voici quelques caractéristiques clés de "Netai": · Lire les données de paquets d'interfaces réseau en direct ou de traces de traces (TCPDump ou format d'endience) · Création directe de fichiers de données Weka (fichiers .ARFF) à partir des données de paquets · L'exportation d'informations sur les flux intermédiaires (tandis que les flux sont toujours actifs), des délais de débit TCP et du temps. · Classification de paquets flexible et filtrage grâce à Netmate · De nouvelles fonctionnalités peuvent être facilement ajoutées et utilisées · Sélection flexible de fonctionnalités à utiliser pour la classification · Un grand nombre d'algorithmes d'apprentissage de la machine peuvent être utilisés grâce à Weka · L'extraction de fonctionnalités et la classification de flux basé sur ML peuvent être exécutées sur différentes machines - l'extracteur de caractéristiques prend en charge les données de données via UDP ou TCP
netai Logiciels associés