Deep Packet: новый подход к классификации зашифрованного трафика с использованием глубокого обучения

Классификация интернет-трафика приобрела особую важность в связи с быстрым развитием Интернета и онлайн-приложений. Этой тематике посвящено множество исследований, результатом которых стало появление разнообразных подходов. В большинстве из них для классификации сетевого трафика используются заранее заданные признаки, выделенные экспертом. В отличие от этих подходов в настоящем исследовании предлагается метод на основе глубокого обучения, объединяющий этапы извлечения признаков и классификации в единую систему. Предложенная схема, получившая название «Deep Packet», предназначена как для характеристики трафика, при которой сетевой трафик распределяется по основным классам (например, FTP и P2P), так и для идентификации приложений, при которой требуется определить приложения конечных пользователей (например, BitTorrent и Skype). В отличие от большинства существующих методов, Deep Packet способен идентифицировать зашифрованный трафик, а также различать сетевой трафик VPN и не-VPN. После начального этапа предварительной обработки данных пакеты поступают в платформу Deep Packet, объединяющую стековый автокодировщик и сверточную нейронную сеть (CNN) для классификации сетевого трафика. При использовании CNN в качестве классификационной модели Deep Packet достиг значения полноты 0,98 в задаче идентификации приложений и 0,94 в задаче категоризации трафика. Насколько нам известно, Deep Packet превосходит все ранее предложенные методы классификации на наборе данных UNB ISCX VPN-nonVPN.