当今的IP网络已广泛用于收集大量信息,包括流量跟踪(例如数据包或流量级别跟踪) ,控制信息(例如,关于路由器转发表,BGP和OSPF更新)以及管理数据(例如,警报,SNMP陷阱)。真正的挑战是处理和分析大量的基本非结构化信息,并提取其中嵌入的结构,关系和“高级知识”,并使用其来帮助网络管理和运营。该研讨会的目的是探索网络数据收集,存储和分析技术的新方向,以及它们在网络监视,管理和补救中的应用。该研讨会为来自不同背景(包括网络,数据挖掘,机器学习和统计)的研究人员和从业人员提供了一个场所,使他们能够从各自的角度出发,共同解决这个问题。 p>
提交了18篇论文参加研讨会并由PC成员进行了严格的单盲审查和讨论。经过PC会议的详细讨论,最终选择了论文。考虑到研讨会的一天形式,计划委员会只能接受9篇论文。
University of Minnesota;
Narus Inc.;
机译:部署基于IPv6 SIP的VoIP应用程序
机译:基于SIP流量的统计信息和行为的VoIP感知网络攻击检测-Springer
机译:基于主机和流行为分析的VoIP流量识别方案
机译:基于SIP的VoIP流行分析及其应用
机译:使用静态,动态和流量分析发现Android应用程序中的不良行为
机译:检查幼虫行为反应谱的实验协议:在神经刺激性咖啡因中的应用
机译:基于sIp的VoIp流量行为分析及其应用*
机译:利用机器学习算法对scada网络流量进行行为分析。