Inspection Approfondie Des Paquets À L’aide Du L’apprentissage En Profondeur

Résumé: La classification du trafic réseau est cruciale. Elle permet de catégoriser le trafic, de réaliser des statistiques, d'appliquer une politique de qualité de service adéquate et de détecter les intrusions. Cependant, la généralisation des techniques de chiffrement rend la classification du trafic chiffré difficile avec les approches traditionnelles, compliquant ainsi la gestion du trafic réseau. Pour surmonter ces obstacles, une inspection approfondie des paquets est essentielle. DPI systèmes utilisent des signatures pour repérer le trafic, mais doivent être régulièrement mis à jour en raison des applications fréquentes. Techniques de l'apprentissage autonome, telles que les algorithmes d'apprentissage profond, permettent la création autonome de signatures et l'analyse en temps réel. Data est utilisée pour créer des modèles, avec le modèle le plus efficace utilisé pour la catégorisation du trafic. Les différents algorithmes d'apprentissage utilisés dans notre solution sont ANN, CNN et LSTM. Nous avons constaté que notre modèle basé sur LSTM est plus efficace, avec une résolution de rappel de 0,95, un score F1, une précision et une précision. Cette démonstration met en évidence la capacité du modèle à classer de manière précise des applications pour différents types de trafic, ce qui améliore la qualité générale du service.

Publié dans la revue: