Implementacja procesu klasyfikacji danych z użyciem układów reprogramowalnych

• Autorzy: Botowicz J.

Warianty tytułu

EN

Implementation of data classification process using reconfigurable hardware

• Języki publikacji: PL

Abstrakty

PL

W artykule opisano różne problemy klasyfikacji danych oraz podano dziedziny w których mają one zastosowanie. Następnie przedstawiono architekturę systemu, w którym będzie możliwe zaimplementowanie podanych wcześniej przez innych autorów, sprawdzonych już algorytmów klasyfikacji danych i wsparcie ich działania poprzez specjalizowane układy sprzętowe. Podano wyniki (w postaci skuteczności klasyfikacji oraz zużycia zasobów) przykładowych modułów sprzętowych. Przedstawiony został również proces tworzenia modułu sprzętowego - od danych wejściowych poprzez wygenerowany kod źródłowy w języku opisu sprzętu, aż po konfigurację układu reprogramowalnego.

EN

In this article various classification problems was described and also their applications was depicted. Afterwards the hardware module architecture was introduced in which there is a possibility to implement previously described mature classification algorithms. The article contains results of testing hardware classification modules (classification precision and hardware resources usage). Finally, the complete process of module generation was presented (from examples of data, through source code in hardware description language to reconfigurable hardware configuration).

Słowa kluczowe

PL

klasyfikacja danych; akceleracja obliczeń za pomocą architektur sprzętowych; bezpieczeństwo systemów teleinformatycznych; wyszukiwanie wzorców

EN

data classification; computing acceleration using hardware architectures; IT security; pattern matching

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2008
• Tom: R. 54, nr 8
• Strony: 532--535
• Opis fizyczny: Bibliogr. 10 poz., rys., tab.,

Twórcy

autor

Botowicz J.

• Instytut Telekomunikacji, Politechnika Warszawska,

Bibliografia

• [1] CAI D. M., THEILER J., GOKHALE M.: Detecting a Malicious Executable without Prior Knowledge of Its Patterns. Technical Report LA-UR-03-1205, Los Alamos National Laboratory, 2003.
• [2] CICHOSZ P.: Systemy uczące się. Wydawnictwa Naukowo-Techniczne, 2000.
• [3] DAMASHEK M.: Gauging Similarity via N-Grams Language-Independent Sorting, Categorization, and Retrieval of Text. Science, 1995, 267, 5199, 843–848.
• [4] GARNER S. R.: Weka: The Waikato Environment for Knowledge Analysis. Proceedings of the New Zealand Computer Science Research Students Conference, 57-64, University of Waikato, New Zealand, 1995.
• [5] GRIES M.: Algorithm-Architecture Trade-offs in Network Processor Design. Ph.D. Thesis, Swiss Federal Institute of Technology, Zurich, 2001.
• [6] KOLTER J., MALOOF M.A.: Learning to Detect Malicious Executables in the Wild. ACM International Conference on Knowledge Discovery and Data Mining, 2004.
• [7] LI W., WANG K., STOLFO S., HERZOG B.: Fileprints: Identifying File Types by N-Gram Analysis. Proceedings of the 2005 IEEE Workshop on Information Assurance. United States Military Academy, West Point, NY, USA, 2005.
• [8] MCDANIEL M., HEYDARI M. H.: Content Based File Type Detection Algorithms. Proceedings of the 6th Annual Hawaii International Conference on System Sciences, 2003.
• [9] QUINLAN R.: C4.5: Programs for Machine Learning, Morgan Kaufmann Publishers, San Mateo, CA, 1993.
• [10] MORRIS. K: Morris, “Terminology tango 101: From dog gates to marketing megahertz,” FPGA and Programmable Logic Journal, vol. 4, no. 1, 2004.