Астраханцев Андрій Анатолійович, Глоба Лариса Сергіївна, Давидюк Андрій Миколайович, Сушко Олександра В’ячеславівна

Дослідження ефективності алгоритмів машинного навчання для класифікації трафіка в мобільних мережах

Розвиток мобільних мереж і поява нових стандартів, як-от 5G та в перспективі 6G, призводять до збільшення як обсягів трафіка у мережі, так і до появи нових типів трафіка, зокрема зі специфічними вимогами до обслуговування. Існуючі на цей час методи обробки трафіка не адаптовані до таких змін, що може привести до погіршення якості обслуговування. Можливим шляхом вирішення задачі підвищення ефективності обробки інформації є впровадження нових алгоритмів класифікації та пріоритезації трафіка. У зв`язку з цим у роботі ставиться актуальне завдання аналізу ефективності алгоритмів машинного навчання для вирішення завдання класифікації трафіка в мобільних мережах у режимі реального часу. Для досягнення мети аналізується точність класифікації та швидкодія для найпоширеніших алгоритмів машинного навчання та визначається оптимальний алгоритм за критерієм точності класифікації. Результати порівняльного аналізу показали, що найкращих показників точності можна досягти у разі використання алгоритмів ANN (кількість прихованих шарів мережі дорівнює 200) та RF. При цьому до переваг ANN слід віднести високу оперативність і достовірність обробки інформації, а також простоту у навчанні. В той же час RF хоча і є швидким і потужним алгоритмом класифікації, але він має недоліки під час інтерпретації рішення та неефективний для малих обсягів даних. Крім того, у роботі виконано оцінку важливості полів датасету для класифікації. Вказані вдосконалення можуть бути впровадженні як на кінцевих пристроях, так і на базових станціях, що дозволяє підвищити якість класифікації, кластеризації та обробки пакетів, а також підвищити ефективність інтелектуальної системи управління мобільною мережею загалом. Подальшим розвитком теми може бути застосування досліджуваних алгоритмів для вирішення завдань виявлення аномалій трафіка з метою підвищення захищеності мережі.
Ключові слова: мобільні мережі, класифікація, трафік, інформаційні критерії, машинне навчання, алгоритми

Astrakhantsev Andrii, Globa Larysa, Davydiuk Andrii, Sushko Oleksandra

Study of the machine learning algorithms’ effectiveness for traffic classification in mobile networks

The development of mobile networks and implementation of new standards, such as 5G and 6G, in the future, will lead to increased traffic volume in the network and new types of traffic creation. Also, new traffic types demand specific service requirements. Currently, existing traffic processing methods are not adapted to such changes, which can impair the Quality of Service. A possible solution for improving the efficiency of information processing is introducing new algorithms for classifying and prioritizing traffic. That is why in this work, the main focus is on analyzing the effectiveness of machine learning algorithms to solve the problem of traffic classification in mobile networks in real-time. The accuracy of classification and performance for the most common machine learning algorithms is analyzed, and the criterion of classification accuracy determines the optimal algorithm to achieve the goal. The results of the comparative analysis showed that the best accuracy could be achieved when using ANN algorithms (the number of latent network layers is 200) and RF. At the same time, the advantages of ANN include high efficiency and reliability of information processing and simple algorithm learning. Also, the RF algorithm is a quick and powerful classification algorithm, but it has shortcomings during the interpretation of the solution and works poorly for small data. In addition, the work assessment of the importance of the dataset fields for classification was evaluated. These improvements can be implemented both on final devices and base stations. They will improve the quality of classification, clustering, and processing of packets, which will generally increase the efficiency of the intellectual mobile network management system. Further development of the topic may be using the studied algorithms to solve the problems of detecting anomalies in traffic to increase the network’s security.
Keywords: mobile networks, classification, traffic, information criteria, machine learning, algorithms