アプリケーション特化型QoS制御のための網内機械学習によるモバイルアプリケーション同定

摘要

スマートフォンの爆発的な普及に伴い、アプリケーション同定によるネットワークの利用効率の改善に期待が高まっている。しかし、既存手法では大規模なパケットキャプチャの設定など教師データの生成にコストがかかり、アプリケーションの把握にはDPIなどのペイロード参照を伴うためにプライバシー保護や暗号化の観点から難しく、結果として不確実性により質や量の低下を招く。また、分類可能なアプリケーションが限定され、アプリケーションの変化といった経時的な対応が難しい、といった問題が存在する。本研究では、デバイス内にてSYNパケットに送出元アプリケーション名を付加し、そのフローのパケットに基づいて学習を行い実際のパケットに適用する。SYNパケットに付加することによってペイロード参照を回避し、常に特定のデバイスから直接教師データが送出されるため低コストで高質な教師データをリアルタイムに得ることが可能となり、学習をより柔軟に進めることが可能となる。本論文では、あるMVNOにおいて取得したトラフィックを解析することで提案手法の評価を行い、学習スパンを実用十分だと考えられる5日に設定した場合、アプリケーションを約80％の精度で推定可能であることを示す。