شناسایی ترافیک شبکه با استفاده از یادگیری ماشین

با رشد روز افزون استفاده از اینترنت بررسی طبقه بندی ترافیک الگو های های مختلف شبکه امری حیاتی است . در این مقاله طبقه بندی ترافیک الگو های مختلف شبکه از جمله Facebook، YouTube، RTMPT، ADV، POST، GET، GMAPS و غیره را با استفاده از الگوریتم های یادگیری ماشین بررسی خواهیم نمود. برای این کار مجموعه ای از ویژگی های ترافیک مختلف که در کل ۵۵ ویژگی است استخراج می نماییم . سپس از الگوریتم حداقل Redundancy Max-Relevance (MRMR) برای انتخاب ویژگی های برتر از میان ۵۵ استفاده می نماییم . ویژگی های انتخابی با استفاده از کلاسیفایرهای SVM با هسته های مختلف ، GMM، PNN، KNN، Discriminative موردآموزش قرار می گیرند. نتایج حاصله حکایت از عملکرد قابل قبول یادگیری ماشین برای دسته بندی ترافیک شبکه دارد.

کلیدواژه ها:

یادگیری ماشین ، طبقه بندی ترافیک ، استخراج ویژگی .