ارايه روش تركيبي براي شناسايي و طبقه بندي ترافيك در شبكه هاي بي سيم

استفاده از رويكرد اقتضايي با بهره گيري از ويژگي هايي از جمله مديريت توزيع يافته بين گره ها، تسهيل در امر ورود و خروج آن‌ها به شبكه و امكان تحرك بهتر، يكي از گزينه هاي مطلوب جهت پيكربندي شبكه هاي بي سيم مي باشد. همين امر موجب توليد ترافيك با رفتار پوي  توسط نرم افزارهاي كاربردي در چنين شبكه هايي مي شود كه مسئله مديريت شبكه و كنترل ترافيك بين گره هاي را تحت تأثير خود قرار مي دهد. شناسايي و طبقه بندي ترافيك جاري در شبكه مي تواند كمك شاياني به اين چالش در شبكه هاي بي سيم كند. از آنجا كه روش هاي مرسوم شناسايي و طبقه بندي ترافيك قادر به ارائه عملكرد مناسب با چنين ترافيك هايي نيستند بنابراين استفاده از روش هاي مبتني بر يادگيري ماشين مي تواند براي بهبود طبقه بندي ترافيك به‌كارگرفته شوند. از آنجا كه حساسيت بالا جهت يافتن ترافيك هايي خاص نيازمند افزايش احتمال آشكارسازي و عدم ارائه تصميم اشتباه نيازمند كاهش هشدار غلط در سامانه مي باشد،بنابراين در اين مقاله روشي جديد جهت افزايش دقت و بهره وري در شناسايي وطبقه بندي ترافيك در شبكه هاي بي سيم اقتضايي ارائه مي شود كه مبتني بر تركيب هدفمند روش هاي يادگيري ماشين مي باشد. نتايج نشان مي دهند كه روش ارائه شده علاوه بر بهبود معيارهاي ارزيابي طبقه بندي كننده ترافيك موجب افزايش احتمال آشكارسازي و كاهش نرخ هشدار غلط به نسبت به‌كارگيري روش هاي يادگيري ماشين به‌صورت يكتا مي باشد.