NeCSTGen : Génération de Trafic Réseau Réaliste par Apprentissage Profond - Calcul Intensif, Simulation, Optimisation Access content directly
Conference Papers Year :

NeCSTGen: Realistic Network Traffic Generation using Deep Learning

NeCSTGen : Génération de Trafic Réseau Réaliste par Apprentissage Profond

Abstract

Traffic generation is an important tool for many data network related activities, such as simulation, planning and provisioning. Such generation could be based on theoretical models when available; however, we believe that imitation of previously collected traffic is a much more generic solution. Deep learning tools are now mature enough to provide the right tools to capture and reproduce the multi-scale characteristics of network traffic. We propose a new architecture, called Network Clustering Sequential Traffic Generation (NeCSTGen), based on deep learning models. NeCSTGen can generate network traffic that faithfully reproduces the original behavior at the packet, flow and aggregate levels. Our approach allows for innovative fine-grained understanding and generation without the need to understand, in depth, the operation of the protocol being generated. Our reproducible architecture generates data that can be exported to a .pcap file.
La génération de trafic est un outil important pour de nombreuses activités liées aux réseaux de données, telles que la simulation, la planification et le provisionnement. Une telle génération pourrait être basée sur des modèles théoriques lorsqu'ils sont disponibles ; cependant, nous pensons que l'imitation du trafic précédemment collecté est une solution beaucoup plus générique. Les outils d'apprentissage profond sont désormais suffisamment matures pour fournir les bons outils pour capturer et reproduire les caractéristiques multi-échelles du trafic réseau. Nous proposons une nouvelle architecture, appelée Network Clustering Sequential Traffic Generation (NeCSTGen), basée sur des modèles d'apprentissage profond. NeCSTGen peut générer un trafic réseau qui reproduit fidèlement le comportement original au niveau des paquets, des flux et des agrégats. Notre approche permet une compréhension et une génération innovante à grain fin sans avoir besoin de comprendre, en profondeur, le fonctionnement du protocole à générer. Notre architecture reproductible génère des données qui peuvent être exportées dans un fichier .pcap.
Fichier principal
Vignette du fichier
hotcrp-paper13.pdf (500.81 Ko) Télécharger le fichier
Origin : Explicit agreement for this submission

Dates and versions

hal-04080848 , version 1 (27-04-2023)

Identifiers

  • HAL Id : hal-04080848 , version 1

Cite

Fabien Meslet-Millet, Sandrine Mouysset, Emmanuel Chaput. NeCSTGen : Génération de Trafic Réseau Réaliste par Apprentissage Profond. 8èmes Rencontres Francophones sur la Conception de protocoles, l'évaluation de performances et l'expérimentation de Réseaux de communication (CoRes 2023), May 2023, Cargèse, Corse, France. à paraître. ⟨hal-04080848⟩
43 View
9 Download

Share

Gmail Facebook Twitter LinkedIn More