مشخصات پژوهش

عنوان	شناسایی ترافیک رمز شده TOR به کمک روشهای یادگیری ماشین
نوع پژوهش	مقاله ارائه شده کنفرانسی
کلیدواژه‌ها	شناسایی ترافیک اینترنت، یادگیری ماشین، تور، ترافیک رمز شده، TOR
چکیده	طبقه بندی جریانهای شبکه بر اساس نوع نرم افزار برای بسیاری از کارهای کنترلی و نظارتی شبکه همانند ایجاد صورتحساب، کیفیت خدمات، نظارت بر ترافیک شبکه و مهندسی ترافیک اهمیت دارد. این موارد کنترلی و نظارتی نیاز دارند تا بدانند چه نوع ترافیکی در حال عبور از شبکه میباشد تا با توجه به خط مشی از پیش تعریف شدهای، قانون و یا قوانینی را بر ترافیک مورد نظر اعمال نمایند. از آنجاییکه امروزه بسیاری از نرمافزارهای شبکه به منظور انتقال داده از رمزنگاری استفاده میکنند، روشهای سنتی شناسایی ترافیک همانند روشهای مبتنی بر پورت و روشهای مبتنی بر محتوا پاسخگو نمیباشند. در این مقاله با توجه به اینکه ترافیک انتخابی هدف، ترافیک TOR میباشد و بر اساس رمزنگاری TLS عمل میکند، 3 الگوریتم یادگیری ماشین به منظور شناسایی این نوع ترافیک انتخاب شده و در سه معیار دقت، بازنمایی و F-measure مورد ارزیابی و مقایسه قرار گرفته است. الگوریتمهای J48 ، PART و VFI در این مقاله مورد بررسی قرار گرفتهاند که نتایج بدست آمده نشان از عملکرد بهتر الگوریتم VFI در مقایسه با دو الگوریتم دیگر دارد.
پژوهشگران	محمدحسن مجتهدسلیمانی (نفر اول)، محرم منصوری زاده (نفر دوم)، محمد نصیری (نفر سوم)