Идентификация зашифрованного трафика в реальном времени с помощью машинного обучения

Точная идентификация сетевого трафика играет важную роль в таких областях, как управление трафиком, обеспечение качества обслуживания (QoS) и обнаружение вторжений. Появление новых зашифрованных приложений, использующих динамические номера портов и методы маскировки, представляет собой серьёзную проблему для идентификации сетевого трафика. Важным ограничением существующих методов идентификации является их неспособность классифицировать зашифрованный трафик онлайн. Чтобы устранить этот недостаток и удовлетворить требования, предъявляемые к активности в зашифрованных сетях, в работе предлагается построение онлайн‑метода идентификации интернет‑трафика на основе информации о потоках. Мы предлагаем идентификацию зашифрованного трафика в реальном времени на основе статистических характеристик потоков с применением машинного обучения. Эффективность предложенного метода оценена в экспериментах на различных реальных следах трафика. Результаты экспериментов и их анализ показывают, что метод способен с высокой точностью и устойчивостью классифицировать зашифрованный сетевой трафик онлайн.