Идентификация зашифрованного трафика с помощью продвинутого математического моделирования и вычислительного интеллекта

В работе предложен гибридный подход для идентификации зашифрованного трафика, основанный на продвинутом математическом моделировании и вычислительном интеллекте. Идентификация сетевого трафика является предпосылкой и основой для повышения эффективности управления сетью, качества сервисов и безопасности приложений; она также является ключевой для анализа поведения сети, планирования и построения сети, обнаружения аномалий и исследований моделей сетевого трафика. В связи с ростом требований пользователей и сервисов многие приложения используют алгоритмы шифрования для защиты трафика при передаче данных. В результате традиционные методы классификации трафика сталкиваются с большими трудностями и вызовами при классификации зашифрованного трафика в сети, что осложняет мониторинг сети и добычу данных. В статье предлагается нелинейный модифицированный метод на основе глубоких верующих сетей (DBN) и применяется для идентификации зашифрованного трафика. Во-первых, на базе DBN введена предлагаемая модель Modified Elliott (ME)-DBN, проанализирован профиль её функции активации и представлен алгоритм обучения ME-DBN. Во-вторых, разработана модель распознавания зашифрованного трафика на основе ME-DBN: извлечение признаков производится путем обучения модели ME-DBN, а затем классификация и распознавание выполняются классификатором. Экспериментальные результаты на базе данных ISCX VPN-non-VPN показывают, что предложенный метод ME-DBN может повысить показатели классификации и распознавания и обладает лучшей устойчивостью при распознавании зашифрованного трафика от различного программного обеспечения.