Класифікація зашифрованого мережного трафіку на основі глибокого навчання
| dc.contributor.advisor | Роковий, Олександр Петрович | |
| dc.contributor.author | Кіслов, Павло Валерійович | |
| dc.date.accessioned | 2020-12-23T14:59:12Z | |
| dc.date.available | 2020-12-23T14:59:12Z | |
| dc.date.issued | 2020 | |
| dc.description.abstractuk | Робота складається із вступу та чотирьох розділів. Загальний обсяг роботи: 85 аркуші основного тексту, 21 ілюстрація, 38 таблиць. При підготовці використовувалася література з 36 різних джерел. Актуальність. На сьогоднішній день спостерігається стрімкий приріст шифрування мережевого трафіку, що призводить до ускладнення його класифікації. Традиційні методи класифікації трафіку демонструють низькі показники точності в зашифрованому мережевому трафіку, що формує проблему для пошуку нових рішень класифікації. Одна із проблем класифікації мережевого трафіку, що повинна бути вирішення це детектування VPN. Класифікація мережевого трафіку на VPN та non-VPN класи, дозволить виявляти користувачів, що обходять обмеження певних закладів або країн для доступу до заборонених ресурсів. Глибоке навчання демонструє високі показники точності для багатьох задач, в тому числі і класифікації, тому воно може стати рішенням проблеми класифікації зашифрованого мережевого трафіку. Мета і завдання дослідження. Метою магістерської роботи є детектування VPN в зашифрованому мережевому трафіку, шляхом класифікації трафіку на VPN та non-VPN класи з похибкою до 15%, за допомогою моделі глибокого навчання. Для досягнення мети дослідження поставлено і вирішено такі завдання: • узагальнення та аналіз методів класифікації мережевого трафіку; • нормалізація та маркування датасету для навчання класифікаційної моделі; • розробка класифікаційної бінарної моделі на основі глибокого навчання; • тестування класифікаційної моделі та аналіз отриманих результатів. Об’єкт дослідження – процесс класифікації на VPN та non-VPN класи в зашифрованому мережевому трафіку. Предмет дослідження – класифікація зашифрованого мережевого трафіку на VPN та non-VPN класи за допомогою глибокого навчання. Методи досліджень. Для досягнення поставлених в магістерській роботі задач, використано методи програмної мови Python та фреймворку Tensorflow. Наукова новизна одержаних результатів роботи полягає у наступному: • розроблена класифікаційна модель для класифікації зашифрованого мережевого трафіку на VPN та non-VPN класи з похибкою до 15%; • розроблена модель здатна до детектування VPN та роботи із зашифрованим мережевим трафіком одночасно, що розв’язує проблему, яку не було вирішено в минулих дослідженнях та традиційних методів класифікації мережевого трафіку. Дослідження дає можливість використання розробленої класифікаційної моделі в комп’ютерних мережах для детектування VPN. Особистий внесок здобувача. Магістерське дослідження є самостійно виконаною роботою, в якій відображено особистий авторський підхід та особисто отримані теоретичні та прикладні результати, що відносяться до вирішення задачі класифікації зашифрованого мережевого трафіку та детектування VPN. Формулювання мети та завдань дослідження проводилось спільно з науковим керівником. Практична цінність. Отримані результати можуть використовуватися у майбутніх дослідженнях за напрямками: • вдосконалення методів класифікації мережевого трафіку; • детектування VPN; • аналіз мережевого трафіку; • QoS мережевого трафіку. | uk |
| dc.format.page | 137 с. | uk |
| dc.identifier.citation | Кіслов, П. В. Класифікація зашифрованого мережного трафіку на основі глибокого навчання : магістерська дис. : 123 Комп’ютерна інженерія / Кіслов Павло Валерійович. – Київ, 2020. – 137 с. | uk |
| dc.identifier.uri | https://ela.kpi.ua/handle/123456789/38260 | |
| dc.language.iso | uk | uk |
| dc.publisher | КПІ ім. Ігоря Сікорського | uk |
| dc.publisher.place | Київ | uk |
| dc.subject | класифікація мережевого трафіку | uk |
| dc.subject | зашифрований мережевий трафік | uk |
| dc.subject | модель глибокого навчання | uk |
| dc.subject | deep learning | uk |
| dc.subject.udc | 004.855.5 | uk |
| dc.title | Класифікація зашифрованого мережного трафіку на основі глибокого навчання | uk |
| dc.type | Master Thesis | uk |
Файли
Контейнер файлів
1 - 1 з 1
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 9.16 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: