شناسایی اثرانگشت کاربر در ترافیک شبکه با یادگیری عمیق

کاربران اینترنتی از طریق دستگاه های الکترونیکی مانند لپتاپ، گوشی های هوشمند و غیره، در طی گشت و گذار در وب، رفتارهای مشخصی از خود به جا می گذارند. هرچند پژوهش های بسیاری در حوزه ی تحلیل و نظارت بر ترافیک شبکه با اهداف فوق انجام شده است، اما در این میان توجه کمتری به شناسایی کاربر شده است. با این حال برخی از پژوهش‌ها نشان داده‌اند این رفتارها اینترنتی کاربران، اثرانگشت منحصر به فردی برای هر کاربر ایجاد می‌کنند که به واسطه آن تنها با داشتن دنباله فعالیت‌های اینترنتی وی می‌توان هویت وی را پیش‌بینی کرد. در این پژوهش با استفاده از رویکرد یادگیری عمیق، مدلی بر پایه lstm برای شناسایی اثر انگشت کاربر ارائه شده است. با توجه به رمز شدن اکثر ارتباطات کاربر، این مدل تنها به سرآیند بسته‌های اینترنتی برای شناسایی اثر انگشت کاربر نیاز دارد که می‌توان آن را با استفاده از پروتکل‌هایی مانند netflow در اختیار داشت. مدل پیشنهادی با استفاده از یک داده جمع‌آوری شده در محیط دانشگاهی بررسی شد و نتایج نشان دهنده دقت بیش از 90% مدل پیشنهادی است.