شیرین جمشیدیان - مرکز تخصصی آبا دانشگاه صنعتی اصفهان
فاطمه حاجی کرمی - مرکز تخصصی آبا دانشگاه صنعتی اصفهان
مهدی برنجکوب - عضو هییت علمی دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان

شناسایی و دسته بندی دقیق ترافیک برای اجرای بسیاری از امور مدیریتی در شبکه مانند شناسایی حملات، حایز اهمیت است. با پیدایش و گسترش مداوم کاربردهایی که از تکنیک های بدیع و پیچیده ی مبهم سازی مانند تغییر شماره ی درگاه و رمزگذاری محتوا استفاده می کنند و با توجه به ناتوانی روش های سنتی دسته بندی ترافیک در شناسایی آنها، طراحی دقیق سیستم های شناسایی و دسته بندی ترافیک رمز شده اهمیت زیادی دارد. هدف این مقاله طراحی و پیاده سازی یک سیستم ترکیبی هوشمند وکارا جهت شناسایی ودسته بندی ترافیک رمز شده با استفاده از تکنیک های یادگیری ماشین است. در این سیستم ترکیبی از چندین روش شاخص انتخاب ویژگی و دسته بند مختلف استفاده شده است. به ازای هر زیرمجموعه ویژگی منتخب، بهترین دسته بند، ا نتخاب و با رای گیری بین این دسته بندهای برگزیده، نتیجه ی نهایی اتخاذ می شود. نتایج آزمایش ها نشان می دهد روش پیشنهادی نسبت به سایر روش های ترکیبی، دقت بیشتر و در تشخیص ترافیک رمز شده نرخ مثبت صحیح بالاتری دارد.

دسته بندی ترافیک، ترافیک رمز شده، روش های ترکیبی، ویژگی های آماری، روش های فیلتر کننده