دسته بندی و شناسایی جریان های ترافیکی در اینترنت کاربردهای وسیعی در حوزه مدیریت شبکه و اعمال سیاست های امنیتی دارد. اما بسیاری از برنامه های کاربردی برای غلبه بر سیاست های فیلترینگ و نیز حفظ امنیت، اقدام به رمزنگاری ترافیک کاربران می کنند. یکی از این نرم افزارهای پیام رسان کاربردی اسکایپ است که سرویس های متعددی از جمله ارسال پیام، صوت، ویدیو، ارسال فایل و SkypeOut را پشتیبانی می کند و به دلیل ارایه سرویس هایی با کیفیت بالا، محبوبیت آن در بین کاربران سازمانی و مراکز علمی روز به روز در حال رشد است لذا شناسایی جریان های ترافیکی آن حایز اهمیت است. اسکایپ علاوه بر رمزنگاری ترافیک، داده های مربوط به همه ی این سرویس ها را نیز از طریق یک شماره پورت تصادفی ارسال می کند که این شماره را هنگام نصب به هر کاربر تخصیص می دهد. از این رو دسته بندی و شناسایی این جریان های ترافیکی با روش های سنتی مبتنی بر محتوی نظیر روش های مبتنی بر پورت یا بازرسی عمیق بسته ها، امکان پذیر نیست. بنابراین از روش های آماری مانند SPID و یادگیر ماشین استفاده می شود. SPID پروتکل شناسایی جریان های اینترنت با بهره گیری از ویژگی های آماری جریان و بازرسی عمیق بسته ها اقدام به طبقه بندی جریان های ترافیکی می کند، که در این پایان نامه با راه کارهایی از جمله تغییر فرمول K-L divergence به Jensen–Shannon divergence و انتخاب مجموعه بهترین ویژگی به بهبود این پروتکل در جهت شناسایی سرویس های مختلف اسکایپ اقدام نمودیم. همچنین در بخش دیگری از کار، روش های یادگیر ماشین که بر پایه ی دو روش مبتنی بر ویژگی های بسته و جریان است به عنوان یک راه کار آماری مورد ارزیابی قرار دادیم. در نهایت نتایج حاکی از آن است از بین راه-کارهای ارایه شده در این پژوهش روش مبتنی بر ویژگی های جریان که با استفاده از Netmate استخراج شده است میزان دقت و بازنمایی بیشتری نسبت به سایر روش ها دارد.
