Segmented Learning for Metaverse Network Traffic Classification

Yoga Suhas Kuruba Manjunath

doi:10.1109/JIOT.2025.3591381

Segmented Learning for Metaverse Network Traffic Classification

2025-09-27

0

PRE

AI

Y

Yoga Suhas Kuruba Manjunath

L

Lian Zhao

Xiaoping ZHANG (Xiao–Ping Zhang)

DOI：10.1109/JIOT.2025.3591381

原文链接

原文求助

摘要

En 中文

我们提出了一种新颖的两阶段分段学习框架，以增强面向5G及未来（B5G）驱动的增强移动宽带（eMBB）应用的网络流量分类（NTC），包括元宇宙流量。第一阶段提高了eMBB流量的分类速度和准确率，第二阶段扩展了其分类更复杂和动态的元宇宙网络流量的能力。我们引入了基础向量表示（EVR）和帧向量表示（FVR）特征工程方法。这些方法通过利用应用层特征（如传输时间、数据包长度、方向和到达间隔时间）来减少推理时间并保护隐私。EVR和FVR的输出通过我们的增强、聚合和保留-在线训练（A2R-OT）算法进行分类，该算法增强了自适应在线学习，提高了准确性和效率。此外，我们构建了一个全面的现实世界元宇宙网络流量数据集，以解决公开可用的元宇宙流量数据不足的问题。据我们所知，这是首个整合eMBB和元宇宙流量分类的框架。我们的方法相比当前最佳方案实现了6%的提升，推进了B5G网络的网络流量管理（NTM）。

Keyword:

augmented reality (AR)

class of service (CoS)

enhanced mobile broadband (eMBB)

extended reality (XR)

metaverse network traffic

mixed reality (MR)

network traffic classification (NTC)

virtual reality (VR)

Segmented Learning for Metaverse Network Traffic Classification

摘要

期刊

机构

引用论文