2-12 异常检测 TCP Phases Classification Using Long Short-Term Memory Recurrent Neural Networks 笔记

一、基本信息

  期刊/会议：Proc. ICMLT
  年份：2018

二、论文总结

2.1 研究方向

   使用LSTM对网络拥塞控制进行阶段分类（慢启动、拥塞避免、超时重传、快速重传）。

2.2 写作动机

  传统的拥塞控制四个阶段的分类方法只是使用了人工提取的特征进行分类，并没有用到数据的时序信息，作者基于LSTM提取出时序信息和人工提取的特征，用决策树进行分类。

2.3 主要内容

  拥塞控制主要有四个阶段：慢启动、拥塞避免、超时重传、快速重传。
  传统方法是使用决策树进行分类，输入变量包括：是否重传、估计的cwnd窗口、估计的RTT时间、冗余ACK次数等等。因为是否重传这个变量是离散型的，所以决策树分类方法比较合适。
  LSTM的输入是固定时间间隔内接收到数据包的个数，LSTM中每一个step就对应一个时间间隔。标签是类别。
  作者将LSTM除去softmax层剩下的部分用做特征提取，将提取出来的特征和传统方法使用的特征拼在一起，最后用决策树分类。