عنوان المقالة:
دراسة مقارنة لمدخل قائم على تعلم الآلة لتصنيف الحركة على الشبكة
ملخص:
لقد تزايد استخدام الانترنت بشكل سريع وأصبحت جزءاً أساسياً من الحياة البشرية، والتي تناظر التطور السريع للبنية التحتية الشبكية في السنوات الأخيرة. وبالتالي، حماية المعلومات السرية للمستخدمين عند الانضمام للشبكة العالمية يصبح أحد الاعتبارات الأكثر أهمية. وعلى وعلى الرغم من تكبيق خوارزميات التشفير المتعددة وتقنياتها في أجزاء مختلفة، من ضمنها مزودي الانترنت، والاستضافة على الويب، هذا الوضع كذلك يسمح للهكرز مهاجمة نظام الشبكة بشكل خفي. ولذلك، فإن أهمية تصنيف تيارات بيانات الشبكة لتحسين أمن وجودة نظام الشبكة يجتذب اهتماماً متزايداً من الدراسة. هذا العميل يقدم دخلاً قائماً على تعلم الآلة لايجاد نموذج التدريب الأكثر ملائمة لمهمات تصنيف الحركة على الشبكة. يتم أولا استعمال المعالجة القبلية للبيانات لتطبيع كل نوع من أنواع السمة في مجموعة البيانات. تم تطبيق تقنيات مختلفة من تعلم الآلة من ضمنها الجار الأقرب-K والشبكة العصبية الاصطناعية والغابة العشوائية بناء على السمات المطبعة في مرحلة التصنيف. وتم تطبيق مجموعة بيانات ذات الوصول المفتوح ISCXVPN2016 من أجل هذا البحث، والتي تتضمن نوعان من التشفير (VPN ABD NON-VPN) وسبعة أصناف من أصناف فئات الحركة. لقد بينت النتائج التجريبية حول مجموعة البيانات المفتوحة أن النماذج المقترحة قد وصلت إلى معدل تصنيف عالي-أكثر من 85% في بعض الحالات، حيث يحصل نموذج الغابة العشوائية على النتائج الأكثر دقة بين التقنيات الثلاث [2023، PBPM].
بيانات المقالة: