BC/NW 2024№ 1 (41):7.2

РАЗРАБОТКА ПРИЛОЖЕНИЯ ДЛЯ СОЗДАНИЯ РАЗМЕЧЕННЫХ КОРПУСОВ ДАННЫХ СЕТЕВОГО ТРАФИКА

Морозова О.П., Орлова М.А.

В настоящее время ведется активная разработка методов классификации сетевого трафика, которые смогут определять тип трафика с высокой точностью в условиях современных вычислительных сетей. Для обучения и тестирования данных методов необходимы размеченные корпуса данных сетевого трафика (массивы, хранящий заданное описание перехваченных пакетов), сложность получения и обработки которых отмечена в [1-4]: опубликованные корпуса данных обычно не имеют разметки перехваченных пакетов. Также большинство из них не обновлялись в течение последних 5 лет, а значит не отражают трафик в вычислительных сетях в настоящее время. Также в [3-5] было отмечено, что отсутствуют инструменты для самостоятельного сбора размеченных корпусов данных сетевого трафика, которые бы отвечали требованию автоматической разметки перехваченных пакетов с высокой точностью.

В докладе представлено приложение для перехвата трафика сетевых приложений и автоматического создания размеченных корпусов данных сетевого трафика, его архитектура и принципы работы, а также приведены экспериментальные результаты его работы.

Литература

1. Jingjing Zhao, Xuyang Jing, Zheng Yan, Witold Pedrycz, Network traffic classification for data fusion: A survey, Information Fusion, Volume 72, 2021, Pages 22-47, ISSN 1566-2535.

2. Iglesias F. et al. NTARC: A Data Model for the Systematic Review of Network Traffic Analysis Research // Appl. Sci. – MDPI, 2020. – Vol. 10, №12. – P. 4307.

3. Гетьман А.И., Иконникова М.К. Обзор методов классификации сетевого трафика с использованием машинного обучения. Труды ИСП РАН, том 32, вып. 6, 2020 г., стр. 137-154. DOI: 10.15514/ISPRAS–2020–32(6)–11

4. Деарт В.Ю., Маньков В.А., Краснова И.А. Анализ перспективных подходов и исследований по классификации потоков трафика для поддержания QoS методами ML в SDN-сетях. Вестник СибГУТИ. 2021;(1):3-23.

5. Papadogiannaki E., Ioannidis S. A Survey on Encrypted Network Traffic Analysis Applications, Techniques, and Countermeasures // ACM Comput. Surv. –  New York, 2021. – P. 394-429.