شناسایی ترافیک رمز شده TOR به کمک روش های یادگیری ماشین

طبقه بندی جریان های شبکه بر اساس نوع نرم افزار برای بسیاری از کارهای کنترلی و نظارتی شبکه همانند ایجاد صورتحساب، کیفیت خدمات، نظارت بر ترافیک شبکه و مهندسی ترافیک اهمیت دارد. این موارد کنترلی و نظارتی نیاز دارند تا بدانند چه نوع ترافیکی در حال عبور از شبکه می باشد تا با توجه به خط مشی از پیش تعریف شده ای، قانون و یا قوانینی را بر ترافیک مورد نظر اعمال نمایند. از آنجایی که امروزه بسیاری از نرم افزارهای شبکه به منظور انتقال داده از رمزنگاری استفاده می کنند، روش های سنتی شناسایی ترافیک همانند روش های مبتنی بر پورت و روش های مبتنی بر محتوا پاسخگو نمی باشند. در این مقاله با توجه به اینکه ترافیک انتخابی هدف، ترافیک TOR می باشد و بر اساس رمزنگاری TLS عمل می کند، 3 الگوریتم یادگیری ماشین به منظور شناسایی این نوع ترافیک انتخاب شده و در سه معیار دقت، بازنمایی و F-measure مورد ارزیابی و مقایسه قرار گرفته است. الگوریتم های PART، J48 و VFI در این مقاله مورد بررسی قرار گرفته اند که نتایج بدست آمده نشان از عملکرد بهتر الگوریتم VFI در مقایسه با دو الگوریتم دیگر دارد.

کلیدواژه ها:

شناسایی ترافیک اینترنت ، یادگیری ماشین ، تور ، ترافیک رمز شده ، TOR