دسته بندی ترافیک شبکه با استفاده از روش ترکیبی در شبکه های مبتنی بر نرم افزار

دسته بندی ترافیک در دهه گذشته نوآوری زیادی داشته است و اولین مرحله برای شناسایی و دسته بندی ترافیکهای شبکه ناشناخته است که در امنیت و مدیریت شبکه نقش مهمی دارد. شبکه های مبتنی بر نرم افزار یک معماری جدید برای بهبود استفاده از منابع شبکه و مدیریت ساده تر و امنیت بیشتر در شبکه است که لایه داده و کنترل را از هم جدا میکند. هدف اصلی در این تحقیق، دسته بندی ترافیکهای شبکه بر اساس نرم افزارهای کاربردی است. راه حل ارائه شده، استفاده از ترکیب شاخه دسته ای و تقویتی روش دسته بندی ترکیبی است که با استفاده از الگوریتمهای یادگیری ماشین برای تفکیک ترافیک انجام میشود. الگوریتمهای استفاده شده شامل: درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان، لجستیک، بیز ساده، الگوریتمهای ترکیبی شامل (لجستیک، جنگل تصادفی و ماشین بردار پشتیبان)، (درخت تصمیم، جنگل تصادفی و ماشین بردار پشتیبان ) و (بیز ساده، جنگل تصادفی و ماشین بردار پشتیبان) هستند. برای مقایسه دقت دستهبندی از معیارهای ارزیابی دقت و امتیازF، زمان آموزش و آزمون مدل استفاده خواهد شد. محیطی که در آن شبیه سازی انجام میشود نرم افزار وکا است. با استفاده از روش انتخابی الگوریتم ترکیبی شامل درخت تصمیم، جنگل تصادفی و ماشین بردار پشتیبان توانستیم دقت را تا حدودی بهبود دهیم.