КЛАССИФИКАЦИЯ СЕТЕВОГО ТРАФИКА С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И МАШИННОГО ОБУЧЕНИЯ
Keywords:
Классификация сетевого трафика, искусственный интеллект, машинное обучение, глубокая инспекция пакетов, DPI, CNN, Transformer, гибридные модели.Abstract
В статье рассматриваются современные подходы к классификации сетевого трафика с применением методов искусственного интеллекта (ИИ) и машинного обучения (МО). Особое внимание уделено интеграции технологий глубокой инспекции пакетов (Deep Packet Inspection, DPI) с архитектурами глубокого обучения, включая сверточные нейронные сети (CNN) и трансформеры (Transformer). Цель исследования — повышение точности, устойчивости и интерпретируемости систем анализа сетевого трафика. Представлены предполагаемая методология и ожидаемые результаты исследования, направленные на разработку интеллектуальной системы классификации в реальном времени.
References
1. Boutaba, R. et al. (2018). A comprehensive survey on machine learning for networking: evolution, applications and research opportunities. Journal of Internet Services and Applications.
2. Nguyen, T. T., & Armitage, G. (2008). A survey of techniques for internet traffic classification using machine learning. IEEE Communications Surveys & Tutorials.
3. Aceto, G., Ciuonzo, D., Montieri, A., & Pescapé, A. (2019). Mobile encrypted traffic classification using deep learning: experimental evaluation, lessons learned, and challenges. IEEE Transactions on Network and Service Management.
4. Wang, W., Zhu, M., Wang, X., Zeng, X., & Yang, Z. (2017). End-to-end encrypted traffic classification with one-dimensional convolution neural networks. IEEE International Conference on Intelligence and Security Informatics.
5. Vaswani, A., et al. (2017). Attention is all you need. Advances in Neural Information Processing Systems (NeurIPS).
6. Dainotti, A., Pescape, A., & Claffy, K. C. (2012). Issues and future directions in traffic classification. IEEE Network.
