دسته بندی و شناسایی جریانهای ترافیکی در اینترنت کاربردهای وسیعی در حوزه مدیریت شبکه و اعمال سیاستهای امنیتی دارد. اما بسیاری از برنامه های کاربردی برای غلبه بر سیاستهای فیلترینگ و نیز حفظ امنیت، اقدام به رمزنگاری ترافیک کاربران میکنند. یکی از این نرم افزارهای پیام رسان کاربردی اسکایپ است که سرویسهای متعددی از جمله: ارسال پیام، صوت، ویدیو، ارسال فایل و SkypeOut را پشتیبانی می کند. اسکایپ همه ی این سرویسها را از طریق یک شماره پورت تصادفی ارسال میکند که این شماره را هنگام نصب به هر کاربر تخصیص میدهد. از اینرو دسته بندی و شناسایی این ترافیکها با روشهای سنتی نظیر روشهای مبتنی بر پورت یا بازرسی عمیق بسته ها، امکانپذیر نیست. به این منظور برای شناسایی ترافیکهای رمز شده از روشهای آماری مانند یادگیری ماشین که نیازی به بررسی محتوای بسته ها ندارند استفاده میشود. در این مقاله به کمک الگوریتمهای متعدد یادگیر ماشین سرویسهای مختلف اسکایپ را مورد ارزیابی قرار می دهیم و نتایج دسته بندی سرویسهای اسکایپ را تحت الگوریتمهای مختلف با هم مقایسه میکنیم. نتایج نشان میدهد الگوریتمهای Randon Forest و KNN میزان دقت و فراخونی بیشتری نسبت به سایر الگوریتمها دارند. همه ی الگوریتمها، سرویس SkypeOut را با دقت بالایی شناسایی کردهاند اما به دلیل تشابه ویژگیهای ترافیکی ویدیو و صوت، درصد کمتری از این سرویسها شناسایی شده اند
