Глубокое обучение для классификации зашифрованного трафика: обзор

Классификация трафика изучается на протяжении двух десятилетий и применяется в широком спектре задач — от обеспечения качества обслуживания (QoS) и выставления счетов интернет-провайдерами (ISP) до задач, связанных с безопасностью, в межсетевых экранах и системах обнаружения вторжений. В прошлом широко использовались методы классификации на основе номеров портов, глубокая инспекция пакетов и классические методы машинного обучения, однако их точность снизилась из-за значительных изменений в интернет-трафике, особенно вследствие увеличения доли зашифрованного трафика. С распространением методов глубокого обучения исследователи недавно начали изучать их применение для классификации трафика и сообщили о высокой точности. В этой статье мы представляем общую схему классификации трафика на основе глубокого обучения. Мы рассматриваем широко используемые методы глубокого обучения и их применение в задачах классификации трафика. Затем мы обсуждаем нерешённые проблемы, вызовы и перспективы классификации трафика.