محمدرضا پارسائی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شیراز، شیراز، ایران
محمدجواد ثبوتی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شیراز، شیراز، ایران
سیدریوف خیامی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شیراز، شیراز، ایران
رضا جاویدان - دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شیراز، شیراز، ایران

طبقه بندی ترافیک شبکه بر حسب پروتکل لایه کاربرد، اطلاعات مورد نیاز بخش زیادی از وظایف مدیریتی مانند: برنامه ریزی شبکه، مهندسی ترافیک و تضمین کیفیت سرویس را فراهم می آورد. معرفی شبکه مبتنی بر نرم افزار مسیری درجهت تحقق افزایش تعامل بین شبکه ها و کاربردها باز میکند. شبکهمبتنی بر نرمافزار یک معماری ابتکاری و برنامه پذیر شبکه است که سمت و سوی تکامل شبکه در آینده را نشان میدهد. دسته بندی دقیق ترافیک برروی شبکه های مبتنی بر نرم افزار اهمیت اساسی در فعالیتهای مختلف شبکه از امنیت مانیتورینگ تا مدیریت حساب، از کیفیت سرویس تا فراهم آوردناپراتورها با پیش بینی های کارآمد برای تامین طولانی مدت دارد. در این مقاله، یادگیری عمیق برای دسته بندی ترافیک شبکه های مبتنی بر نرم افزار اعمال شده است. دقت کلی این مدل در طبقه بندی ترافیک 96/2% می باشد. برتری این روش به روش های موجود سربار پردازشی پایین، حجم اندک ترافیک تحمیلی به شبکه و قابلیت اجرا بصورت زمان اجرا می باشد

مدیریت شبکه،SDN،دسته بندی ترافیک، یادگیری عمیق،RNN