دسته بندی سرویس های مختلف اسکایپ با استفاده از روش یادگیری ماشین

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 , SkypeOut را پشتیبانی می کند. اسکایپ همه ی این سرویسها را از طریق یک شماره پورت تصادفی ارسال می کند که این شماره را هنگام نصب به هرکاربر تخصیص می دهد. از اینرو دسته بندی و شناسایی این ترافیک ها با روش های سنتی نظیر روشهای مبتنی بر پورت یا بازرسی عمیق بسته ها، امکان پذیر نیست. به این منظور برای شناسایی ترافیک های رمز شده از روش های آماری مانند یادگیری ماشین که نیازی به بررسی محتوای بسته ها ندارند استفاده می شود. در این مقاله به کمک الگوریتم های متعدد یادگیر ماشین سرویس های مختلف اسکایپ را مورد ارزیابی قرار می دهیم و نتایج دسته بندی سرویس های اسکایپ را تحت الگوریتم های مختلف با هم مقایسه می کنیم. نتایج نشان می دهد الگوریتم های Randon Forest و KNN میزان دقت و فراخونی بیشتری نسبت به سایر الگوریتم ها دارند. همهی الگوریتم ها، سرویس SkypeOut را با دقت بالایی شناسایی کرده اند اما به دلیل تشابه ویژگی های ترافیکی ویدیو و صوت، درصد کمتری از این سرویس ها شناسایی شده اند.