Методика ідентифікації трафіку в телекомунікаційних мережах 5G/IMT-2020 на основі штучного інтелекту
DOI:
https://doi.org/10.32347/st.2025.3.1206Ключові слова:
ідентифікація вхідного трафіку інформаційно-комунікаційної мереж, мережа 5G/IMT-2020, штучний інтелект, нейронна мережа, управління навантаження інформаційно-комунікаційної мережіАнотація
В роботі проведено аналіз процесу ідентифікації вхідного трафіку в мережах 5G/IMT-2020, побудованій по технології Ultra-reliable and low latency communications, визначені його особливості та напрямки досліджень по підвищенню ефективності ідентифікації трафіку х урахуванням вимог до функціонування розглянутої мережі.
Для вирішення завдання ідентифікації трафіку мережі 5G/IMT-2020в роботі розроблена та подана відповідна методика. Вказана методика включає формування масивів метаданих вхідного потоку, модифікацію їх в набір навчальних даних, формування навчального програмно-апаратного комплексу та розбудову структури нейронної мережі, проведення процесу навчання нейронної мережі та втілення її в процес ідентифікації трафіку в телекомунікаційних мережах 5G/IMT-2020.
Оцінка результатів процесу навчання запропонованої нейронної мережі та перевірки її роботи на тестових наборах даних у навченому стані показала, що подана в роботі нейронна мережа здатна провести моніторинг та ідентифікувати згенерований від сервісів Інтернету Речей трафік з ймовірністю до 99,7%. В процесі ідентифікації трафіку від двох та більше сервісів дана ймовірність може знизитися, проте перебуває у допустимих межах 80-90%.
Посилання
В.С. Шуста, А.І. Сусла, В.Ю. Біганич, «Трансформація мережевих технологій: від 4G до 5G», Вчені записки ТНУ імені В.І. Вернадського, Серія: Технічні науки, 2024, 3, С.94-99
Technical Report ITU-T GSTP-TN5G: Transport network support of IMT-2020/5G. –SG15- TD338/PLEN, October 2018.
Draft Recommendation Characteristics of transport networks to support IMT-2020/5G (Gctn5g). – SG15-TD295/PLEN, October 2018
S. Hendaoui, F. Hendaoui, N. Zangar, «Dynamic proactive–reactive scheduling for URLLC in 5G: Leveraging XGBoost and network virtualization», Physical Communication, 68, art. no. 102553. 2025.
X. Shen, W. Liao, Q.Yin, «A Novel Wireless Resource Management for the 6G-Enabled High-Density Internet of Things», IEEE Wirel. Commun, 2022, 29, р.32–39.
X. Li, L.D. Xu, «A Review of Internet of Things—Resource Allocation», IEEE Internet Things J., 2021, 8, р.8657–8666.
the Internet of Things: A Survey», J. Netw. Comput. Appl. 2022, 206, 103464.
A.A. Ateya, S. Bushelenkov, A. Muthanna, A. Paramonov, «Multipath Routing Scheme for Optimum Data Transmission in Dense Internet of Things», Mathematics. 2023; 11(19):4168.
Yongho Seok, Youngseok Lee, Yanghee Choi and Changhoon Kim, "Dynamic constrained multipath routing for MPLS networks", Proceedings Tenth International Conference on Computer Communications and Networks (Cat. No.01EX495), Scottsdale, AZ, USA, 2001, pp. 348-353.
W.A. Aljoby, X. Wang, D.M. Divakaran, T.Z.J. Fu, «DiffPerf: Toward Performance Differentiation and Optimization WithSDN Implementation», IEEE Transactions on Network and Service Management, 2024, 21(1), pp. 1012 – 1031.
L. Brown, «Advanced Techniques in NFV and SDN for Scalable Networks», International Journal of Communications Technology, 2022, 12(4), з.78-92.
L.-H. Chang, Tsung-Han Lee, Hung-Chi Chu, and Cheng-Wei Su, “Application-Based Online Traffic Classification with Deep Learning Models on SDN Networks”, Adv. technol. innov., Sep. 2020, 5(4), pp. 216–229.
P.K.R. Maddikunta, Q.-V. Pham, D.C. Nguyen, (eds), «Incentive Techniques for the Internet of Things: A Survey», J. Netw. Comput. Appl. 2022, 206, 103464.
Foreman, Justin, Waters, Willie L., Kamhoua, Charles A., Hemida, Ahmed H. Anwar, Acosta (2024) Detection of Hacker Intention Using Deep Packet Inspection? Journal of Cybersecurity and Privacy, 4 (4), pp. 794 – 804. DOI: 10.3390/jcp4040037
Parra G. D. L. T., Rad P., Choo K. K. R., Beebe N. Detecting internet of things attacks using distributed deep learning. Journal of Network and Computer Applications, 2020, vol. 163, pp. 102662. doi:10.1016/ j.jnca.2020.102662
Al-Garadi M. A., Mohamed A., Al-Ali A., Du X., Guizani M. A Survey of machine and deep learning methods for internet of things (IoT) security. IEEE Communications Surveys & Tutorials, 2020, vol. 22, no. 3, pp. 1646–1685. doi:10.1109/COMST.2020.2988293
Pacheco, Fannia & Exposito, Ernesto & Gineste, Mathieu & Baudoin, Cédric & Aguilar, Jose. (2018). Towards the Deployment of Machine Learning Solutions in Network Traffic Classification: A Systematic Survey. IEEE Communications Surveys & Tutorials. PP. 1-1. 10.1109/COMST.2018.2883147.
Hochreiter, Sepp & Schmidhuber, Jürgen. (1997). Long Short-Term Memory. Neural Computation. 9. 1735-1780. 10.1162/neco.1997.9.8.1735.
Кондакова, А., Корецький, О. (2024). Mоделі побудови мереж інтернету речей для управління інфраструктурою міста. Smart Technologies, 2(15), 124–132. DOI: https://doi.org/10.32347/st.2024.2.1901
Oleksandr Koretskyi, Rodion Khvorostianyi, Yevhen Bondarenko Hardware and software complex for the functioning of a neural network for identification and traffic management in 5G/IMT-2020 networks. The ІV International Conference «Emerging Technology Trends on the Smart Industry and the Internet of Things «TTSIIT», м. Київ, Україна, 21-22 січня 2025 р., Київ, КНУБА. C.44-49. https://drive.google.com/file/d/145aOtud0A7zl4N9RKXiFyt9iMLKYsMt_/view
J.Yao, Y. Wang, Q. Li, Mao (2022). An Efficient Routing Protocol for Quantum Key Distribution Networks. Entropy, No.24, 911.
Study on Scenarios and Requirements for Next Generation Access Technologies (3GPP TR 38.913 version 14.2.0 Release 14). https://www.etsi.org/deliver/etsi_tr/138900_138999/138913/14.02.00_60/tr_138913v140200p.pdf
F. H. Nazir, Q. Ahmad, R. Badlishah, & Elias, (2017). «Software-Defined Network Testbed Using ZodiacFX a Hardware Switch for OpenFlow», ICST Transactions on Scalable Information Systems», No.4. 153150.
V. Artem, A.A. Ateya , A. Muthanna, A. Koucheryavy, (2019). Novel AI-Based Scheme for Traffic Detection and Recognition in 5G Based Networks», In: Galinina, O., Andreev, S., Balandin, S., Koucheryavy, Y. (eds), «Internet of Things, Smart Spaces, and Next Generation Networks and Systems», Lecture Notes in Computer Science, No. l, 11660. Springer, Cham.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Oleksandr Koretskyi, Anastasiia Kondakova
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Автор(и) та Редакція згодні на те, що Редакція також матиме право:
- здійснювати необхідне оформлення Твору/Статті за результатами його редакційної обробки;
- визначати самостійно кількість видань, друк додаткових копій і тираж Твору/Статті, кількість копій окремих видань і додаткових тиражів;
- опублікування Твору/Статті в інших виданнях, пов’язаних з діяльністю Редакції
В журналі діє ліцензія CC BY 4.0
