Szczegóły publikacji
Opis bibliograficzny
flow-models 2.2: efficient and parallel elephant flow modeling with machine learning : software update / Piotr JURKIEWICZ // SoftwareX [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 2352-7110. — 2024 — vol. 28 art. no. 101920, s. 1-3. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 2-3, Abstr. — Publikacja dostępna online od: 2024-10-19. --- Refers to: Piotr Jurkiewicz, flow-models: a framework for analysis and modeling of IP network flows, SoftwareX, Volume 17, 2022, 100929, ISSN 2352-7110, 10.1016/j.softx.2021.100929.
Autor
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 156960 |
|---|---|
| Data dodania do BaDAP | 2025-01-10 |
| Tekst źródłowy | URL |
| DOI | 10.1016/j.softx.2024.101920 |
| Rok publikacji | 2024 |
| Typ publikacji | artykuł w czasopiśmie |
| Otwarty dostęp |  |
| Creative Commons | |
| Czasopismo/seria | SoftwareX |
Abstract
This article introduces the latest version of the flow-models framework for IP network flow analysis. Key improvements include support for Dask to enable parallel computing, dataset reduction techniques for efficient training, and new modules for entropy analysis and granular flow table simulations. The codebase has been refined, with improved documentation and the incorporation of automated testing via ruff. The framework is now compatible with forthcoming releases of Python and NumPy, making it a useful resource for researchers and professionals involved in network flow analysis and machine learning-driven traffic classification.
