Analysis and Control of TCP Traffic by Use of Machine Learining Considerig Protocol Behaviors

2022 Fiscal Year Final Research Report

• Project/Area Number: 19K11938
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 60060:Information network-related
• Research Institution: The University of Electro-Communications
• Principal Investigator: KATO Toshihiko 電気通信大学, その他部局等, 名誉教授 (90345421)
• Project Period (FY): 2019-04-01 – 2023-03-31
• Keywords: TCP / 輻輳制御 / 機械学習 / ニューラルネットワーク / モニタリング

Outline of Final Research Achievements

We studied a method to estimate the TCP congestion control algorithm on the sender side from a log of packets flowing over the network, using a recurrent neural network (RNN)-based classifier. As the data given to the classifier, we used a temporal change of the congestion window value on the sender side.
A simple RNN with one hidden layer and a DRNN (Deep RNN) based on deep learning with three hidden layers were used. We applied our classifier to 10 widely-used congestion control schemes and showed that it is possible to estimate with sufficient accuracy. Furthermore, we estimated the distribution of congestion control algorithms for servers connected to the Internet.

Free Research Field

ネットワーク工学

Academic Significance and Societal Importance of the Research Achievements

TCPはインターネットを流れるトラヒックの主要部分を占める。その振る舞いは輻輳制御アルゴリズムにより決定づけられる。このため現在インターネット上でどのようなアルゴリズムがどの程度使用されているかを推定することは重要となる。本研究は、ネットワークを流れるトラヒックの通信ログに基づいてその送信側の輻輳制御アルゴリズムを推定する方法を提案するもので、機械学習を用いて、最新の輻輳制御アルゴリズムまでの推定を可能としたものである。ローカル環境での評価で正しい推定が可能であることを確認し、さらにインターネットに接続された実際のサーバのアルゴリズムの推定を行ったことは、十分に学術的および社会的な意義がある。