@techreport{oai:ipsj.ixsq.nii.ac.jp:00195781,
 author = {大岡, 里奈 and 林, 晃司 and 三好, 匠 and 山崎, 託 and Rina, Ooka and Koji, Hayashi and Takumi, Miyoshi and Taku, Yamazaki},
 issue = {9},
 month = {May},
 note = {近年，映像配信サービスの利用者増加に伴い，ユーザ端末 （ビア） 問で直接通信する P2P (Peer-to-peer) 方式を利用した映像配信サービス (P2PTV) が注目を集めている．P2PTVでは，ビア同士でデータを共有して相互に送受信を行うため，サーバに集中する配信負荷を分散することが可能である．ネットワークを適切に維持管理するためには，P2PTV トラヒックの特性をあらかじめ理解しておく必要があるが，動画コンテンツ毎に人気度やデータサイズが異なるため，動画データを共有するピア数や送受信スループットが大きく変動する可能性がある．従来研究では，P2PTV をコンテンツごとに長時間視聴し，得られたトラヒックデータを分類することで特性分析を行っている．しかし，ユーザの P2PTV への参加，離脱は動的であり，それに伴ってトラヒック特性も時々刻々と変動するため，コンテンツ単位でのトラヒック特性の抽出や分類では不十分であると考えられる．本稿では，P2PTV トラヒックを短時間ごとに分割して時系列データを作成し，これらのデータを機械学習により分類する時系列トラヒック分類手法を提案する．また，80 本の P2PTV コンテンツ視聴データの分類結果から，トラヒックの特性分析を行う．, P2P-based video streaming service (P2PTV) in which user terminals (peers) directly communicate with each other has attracted attention due to the increase of users who enjoy video distribution services. P2PTV can distribute the data delivery load concentrated to the video servers since peers share and transfer the video data among them. To maintain the network properly, it is necessary to understand the characteristics of P2PTV traffic in advance. Since each video content has a different popularity and data size, the number of peers that share the same video data and the throughput may greatly fluctuate. In our previous studies, we have obtained P2PTV traffic in watching each video content for a long time and analyzed the characteristics by classifying the obtained traffic data. However, users would participate in or leave from P2PTV services dynamically, and then the traffic characteristics may change from moment to moment : The classification and analysis of traffic characteristics on a per content basis must be therefore insufficient. In this paper, we propose a time-series P2PTV traffic classification method. The proposed method divides P2PTV traffic into short-time data pieces to create time series data, and classifies these data by machine learning. We also analyze traffic characteristics from the classification results of 80 P2PTV traffic data.},
 title = {機械学習を用いた時系列P2PTVトラヒックの特性分析},
 year = {2019}
}