فهرست نشریات علمی دسترسی آزاد ایران

تحلیل ترافیک شبکه یکی از ارکان اساسی در بهبود امنیت و مدیریت کارآمد شبکه‌های کامپیوتری است. با توجه به گسترش روزافزون شبکه‌های کامپیوتری و پیچیدگی‌های ترافیک موجود در آن‌ها، شناسایی دقیق و سریع انواع ترافیک ازجمله ترافیک رمزنگاری‌شده، از اهمیت ویژه‌ای برخوردار است. در این راستا، استفاده از تکنیک‌های یادگیری ماشین می‌تواند ابزار قدرتمندی برای تحلیل و شناسایی دقیق الگوهای ترافیکی باشد. این مقاله به بررسی روش‌های پیشرفته شناسایی ترافیک در شبکه‌های کامپیوتری با بهره‌گیری از تکنیک‌های یادگیری ماشین پرداخته است. هدف اصلی این تحقیق، توسعه مدلی کارآمد و دقیق برای شناسایی و طبقه‌بندی انواع مختلف ترافیک شبکه، به‌ویژه ترافیک رمزنگاری‌شده، است. در این راستا، از مدل یادگیری عمیق VGG16 استفاده‌شده است. این مدل به دلیل ساختار لایه‌ای عمیق و توانایی تحلیل داده‌های حجیم، عملکرد برجسته‌ای در شناسایی الگوهای پیچیده ترافیک شبکه ارائه داده است. VGG16 قادر است با دقت بالا، انواع مختلف ترافیک شبکه را شناسایی و طبقه‌بندی کند، که این امر منجر به بهبود مدیریت ترافیک در شبکه می‌شود. در سناریوهای بررسی‌شده در این تحقیق، این مدل توانست دقت 99 درصدی را در شناسایی ترافیک رمزنگاری‌شده به‌دست آورد.