표제지
초록
ABSTRACT
목차
1장 서론 13
2장 관련 연구 17
2.1. 기존 응용 트래픽 분류 방법 17
2.2. 머신 러닝 기반 응용 트래픽 분류 18
2.2.1. Supervised Learning 18
2.2.2. Unsupervised Learning 19
2.2.3. Semi-Supervised Learning 20
2.3. 딥 러닝 기반 응용 트래픽 분류 20
2.4. 네트워크 트래픽 분류에서의 ML/DL 기술 적용 22
3장 본론 24
3.1. 방법론 24
3.2. 분류기 생성 27
3.2.1. 임계값 27
3.2.2. 신뢰도 27
3.3. 모델 분류 테스트 30
4장 실험 32
4.1. 데이터 셋 32
4.2. 용어 정의 34
4.3. 단일 모델 실험 35
4.3.1. 단일 모델 성능 비교 36
4.3.2. RF 모델에서의 임계값 결정 37
4.3.3. CNN 모델에서의 임계값 결정 40
5장 실험 결과 43
5.1. RF + CNN 실험 결과 43
5.2. RF + CNN + Transformer 실험 결과 45
5.3. 종합 결과 46
5.4. 부가 실험 49
6장 결론 및 향후 연구 51
참고문헌 53
표 1. ISCXVPN2016 데이터 셋의 트래픽 정보 32
표 2. 학습 및 테스트 데이터의 정보 34
표 3. 단일 모델 사용 시 분류 성능 37
표 4. RF 모델에 임계값을 적용한 결과 38
표 5. CNN 모델에 임계값을 적용한 결과 41
표 6. RF + CNN 모델에 임계값을 적용한 결과 44
표 7. RF + CNN 모델 실험 결과 45
표 8. RF + CNN + Transformer 모델 실험 결과 46
표 9. 부가 실험 결과 49
그림 1. 응용 트래픽 사용 증가 추이 13
그림 2. 네트워크 트래픽 분류에서의 기술 적용 분포 23
그림 3. 순차적인 모델 사용 24
그림 4. 전체 모델 구조 26
그림 5. 모델 학습 과정에서의 임계값 29
그림 6. 모델의 테스트 과정 31
그림 7. RF 모델에 임계값을 적용한 결과 39
그림 8. CNN 모델에 임계값을 적용한 결과 42
그림 9. 세가지 모델의 데이터 분류 비율 48