شناسایی و طبقه بندی ترافیک شبکه های نظیربه نظیر با استفاده از تکنیک های یادگیری ماشین
چکیده
افزایش روز افزون استفاده از کاربردهای نظیربه نظیر باعث بروز مشکلات فراوانی برای بسیاری از شرکت های تامین کننده خدمات اینترنت، دانشگاه ها و سازمان ها شده است. از مهمترین این مشکلات می توان به مصرف زیاد پهنای باند اینترنت، افت کیفیت سرویس دهی، مشکلات حقوقی و ضعف های امنیتی اشاره کرد. در این پایان نامه سعی شده است با ارائه یک روش دو مرحله ایی بین دو پارامتر دقت و سرعت نقطه مصالحه ایی یافت. تا علاوه بر شناسایی و طبقه بندی دقیق ترافیک شبکه های نظیربه نظیر، قابلیت به کارگرفته شدن به صورت برخط را نیز داشته باشد. در مرحله اول، با استفاده از داده های سطح جریان و قابلیت طبقه بندی پرسپترون های چندلایه، میزبان هایی که رفتاری مشابه میزبان های شبکه های نظیربه نظیر دارند، شناسایی می شوند. سپس در مرحله دوم با استفاده از محتوای بسته ها و یک روش مبتنی بر امضاء، نوع پروتکل نظیربه نظیر میزبان شناسایی شده در مرحله قبل، مشخص و ترافیک آن طبقه بندی می شود. در نهایت نتایج نشان داد که روش پیشنهادی علاوه بر اینکه قابلیت اجرا شدن به صورت برخط را دارد، در مرحله اول می تواند با میانگین دقت 86% میزبان های نظیربه-نظیر را شناسایی کند و سپس در مرحله دوم با دقت 95% نوع ترافیک آنها را تشخیص دهد.