Классификация зашифрованного трафика на основе машинного обучения: идентификация SSH и Skype

Цель данной работы — оценить устойчивость классификации трафика на основе машинного обучения при классификации зашифрованного трафика, используя SSH и Skype в качестве репрезентативных примеров зашифрованного трафика. Под устойчивостью здесь понимается ситуация, когда классификаторы обучаются на данных одной сети, а тестируются на данных полностью другой сети. Для этого пять алгоритмов обучения — AdaBoost, метод опорных векторов (Support Vector Machine, SVM), наивный байесовский классификатор, RIPPER и C4.5 — оцениваются с использованием признаков, основанных на потоках, без применения IP-адресов, портов источника и назначения или информации о полезной нагрузке. Результаты показывают, что подход на основе C4.5 значительно превосходит другие алгоритмы при идентификации трафика SSH и Skype в полностью других сетях.