[Todos CMAT] Conferencia INGEMAT – Paola Bermolen – 4 de noviembre
Marco Scavino - IMERL
mscavino en fing.edu.uy
Mar Nov 3 21:57:23 UYST 2009
Estimados:
Quiero recordarles que el miércoles 4 de noviembre, de 11 a 12 horas
en el Salón de Seminarios del IMERL (Facultad de Ingeniería),
la Lic. Paola Bermolen (doctoranda ENST Télécom Paris, France)
dictará la conferencia
Support Vector Machine para la Predicción y Clasificación de Tráfico
en Internet.
Resumen
La convergencia de diferentes servicios (datos, voz y video) en una
misma red tiene como consecuencia, entre muchas otras, un cambio en la
estructura del tráfico que atraviesa dicha red. La cantidad del
tráfico cursado aumentó, pero también cambió la naturaleza del mismo.
Esto se debe principalmente a la oferta de nuevos servicios (e.g. P2P,
telefonía y televisión por Internet). Como resultado el tráfico es
cada vez más complejo y dinámico. Estas características implican que
dicho tráfico sea de difícil predicción, al menos con técnicas
tradicionales y simples. Sería entonces de mucha utilidad diseñar un
esquema de predicción que sea capaz de predecir con precisión esta
variabilidad del tráfico, y hacerlo además en línea y con la menor
cantidad de hipótesis sobre la estructura del tráfico.
Por otro lado, la predicción del volumen de tráfico no da información
sobre el tráfico en si mismo. Algunas situaciones requieren conocer el
tipo de tráfico cursado en la red, o incluso la aplicación que lo
generó. Ejemplos de esto son el bloqueo de aplicaciones no deseadas
(e.g. P2P o chat en la oficina), o la identificación de aplicaciones
muy populares con fines comerciales (e.g. venta de publicidad). En
particular hay varios sistemas P2P-TV (sistemas a gran escala de video
streaming en tiempo real basado en el paradigma de peer-to-peer), de
gran popularidad y que pueden convertirse en un serio problema si
crecen desmedidamente. Además, el diseño de estas aplicaciones es
propietario y cerrado, lo que vuelve el problema de su identificación
de mayor importancia.
En esta charla, presentaremos posibles maneras de analizar estos dos
problemas.
En particular utilizaremos como herramienta una técnica de aprendizaje
estadístico conocida como Support Vector Machines (SVM). Esta
herramienta ha sido utilizada con muy buenos resultados en otras
áreas, debido principalmente a su buena capacidad de generalización.
Además pueden ser aplicadas en línea de manera adaptativa, una
característica muy deseable para nuestras aplicaciones. Nuestros
resultados nos permiten afirmar que en ambos casos SVM probó ser una
herramienta muy útil y versátil.
Mientras para la predicción de la carga en un enlace, los mayores
beneficios de SVM son su robustez y bajo costo computacional, para la
clasificación de aplicaciones P2P-TV, SVM brinda resultados
extremadamente acertados.
Saludos cordiales,
Marco
----------------------------------------------------------------
This message was sent using IMP, the Internet Messaging Program.
Más información sobre la lista de distribución Todos