شناسایی برنامه با طبقه بندی هوشمند ترافیک شبکه

طبقه بندی و تحلیل ترافیک، یکی از چالش های بزرگ در حوزه داده کاوی و یادگیری ماشین است که نقش مهمی در تامین امنیت، تضمین کیفیت و مدیریت شبکه دارد. امروزه حجم زیادی از ترافیک انتقالی در بستر شبکه‏ توسط پروتکلهای ارتباطی امن مانند https رمز می‌شوند. ترافیک رمز، امکان نظارت و تشخیص ترافیک مشکوک و مخرب در زیرساخت‏های ارتباطی را (در قبال افزایش امنیت و حریم خصوصی کاربر) کاهش می‏دهد و طبقه‌بندی آن بدون رمزگشایی ارتباطات شبکه‏ای کار دشواری است، چرا که اطلاعات payload از دست می‏رود و تنها اطلاعات سرآیند که بخشی از آن هم در نسخه‌های جدید پروتکلهای ارتباطی شبکه (نظیرtls1.03) رمز می‏شود، قابل دسترس است. از اینرو رویکردهای قدیمی تحلیل ترافیک مانند روشهای مختلف مبتنی بر پورت و payload کارآمدی خود را از دست داده، و رویکردهای جدید مبتنی بر هوش مصنوعی و یادگیری ماشین در تحلیل ترافیک رمز مورد استفاده قرار می‌گیرند. در این مقاله پس از بررسی روش‌های تحلیل ترافیک، چارچوب معماری عملیاتی برای تحلیل و طبقه‌بندی هوشمند ترافیک طراحی شده است. سپس یک مدل هوشمند با رویکرد شناسایی ترافیک برنامه‌‌ها مبتنی بر معماری پیشنهادی ارائه گردیده و با استفاده از روشهای یادگیری ماشین روی پایگاه داده ترافیکی kaggle141 مورد ارزیابی قرار گرفته است. نتایج بدست آمده نشان می‌دهد که مدل مبتنی بر جنگل تصادفی، علاوه بر قابلیت تفسیرپذیری بالا در مقایسه با روشهای یادگیری عمیق، توانسته است دقت بالایی در طبقه‌بندی هوشمند ترافیک (به ترتیب 95 % و97 %) نسبت به سایر روش های یادگیری ماشین روی مجموعه داده kaggle141 و ترافیک محلی ارائه دهد.

application identification through intelligent traffic classification

traffic classification and analysis is one of the big challenges in the field of data mining and machine learning, which plays an important role in providing security, quality assurance and network management. today, a large amount of transmission traffic in the network is encrypted by secure communication protocols such as https. encrypted traffic reduces the possibility of monitoring and detecting suspicious and malicious traffic in communication infrastructures (instead of increased security and privacy of the user) and its classification is a difficult task without decoding network communications, because the payload information is lost, and only the header information (which is encrypted too in new versions of network communication protocols such as tls1.03) is accessible. therefore, the old approaches of traffic analysis, such as various methods based on port and payload, have lost their efficiency, and new approaches based on artificial intelligence and machine learning are used in cryptographic traffic analysis. in this article, after reviewing the traffic analysis methods, an operational architectural framework for intelligent traffic analysis and classification has been designed. then, an intelligent model for traffic classification and application identification is presented and evaluated using machine learning methods on kaggle141. the obtained results show that the random forest model, in addition to high interpretability compared to deep learning methods, has been able to provide high accuracy in traffic classification compared to other machine learning methods. finally, tips and suggestions about using machine learning methods in the operational field of traffic classification have been provided.