情報処理学会 第87回全国大会

6V-09
京都橘大学の実運用ネットワーク環境における深層学習を用いたトラフィック予測
○野村賢吾,加藤丈和(京都橘大)
近年、大学では「BYOD」導入に伴い、学内ネットワークのトラフィックが急増し、通信遅延等の問題が生じている。この増加は、通信遅延や授業の一時停止等、教育活動に支障をきたす可能性がある。また、現代のトラフィックは複雑化しており、ARIMAモデル等の従来手法では予測が困難である。そこで本研究では、京都橘大学のログデータを用いて、RNN (特にLSTM)やCNN を用いたネットワークトラフィック予測モデルを構築する。過去のトラフィックデータから将来のトラフィック量を予測し、突発的な増加を事前に検知することで、ネットワーク障害の予防の一助となることを目的とする。