Traffic characterization using BIF-PR and BIF-PRCS features with BIF-NZP data extraction

Abstract

Traffic characterization is the basis of network management, such as QoS.The traditional techniques, such as port base and deep packet inspection, are inadequate for encrypted traffic. Machine learning can utilize information hiddenwithin the traffic. This research proposed bi-direction flow None zero payload data extraction scheme BIF-NZP, bi-direction flow payload ratio feature (BIF-PR), and bi-direction flow payload ratio sequence (BIF-PRCS). ISCX VPN-NONVPN data set is used to evaluate the performance of the proposed schemes dataset. BIF-NZP reduced noises and captured traffic characteristics using only non-zero payload packets. BIF-PR expressed traffic flow using payload characteristics and dependency between flow direction and changes. BIF-PRCS further enhanced BIF-PR by highlighting the characteristics of consecutive packets. BIF-PR and BIF PRCS are sparse yet predictive and adequate for multi-label traffic characterization.

การแบ่งแยกข้อมูลในเครือข่ายระบบเครือข่ายคอมพิวเตอร์ คือพื้นฐานของการบำรุงรักษา QoS วิธีการแบบดั้งเดิมโดยใช้พอร์ตหรือการตรวจสอบข้อมูลในแพ็คเก็ตนั้นไม่เหมาะสมกับเครือข่ายที่มีการเข้ารหัส แต่ยังมีข้อมูลที่สามารถเรียนรู้ได้ด้วยระบบคอมพิวเตอร์ งานวิจัยนี้นำเสนอการอ่านข้อมูลแบบ bi-direction flow None-zero payload data extraction scheme (BIF-NZP) รวมถึงการแสดงข้อมูลแบบ bi-direction flow payload ratio feature (BIF-PR) และ bi-direction flow payload ratio sequence feature (BIF-PRCS) โดยจะประเมินความสามารถผ่านข้อมูล ISCX VPN-NONVPN BIF-NZP นั้นลดสัญญาณรบกวนของข้อมูลและเพิ่มความโดดเด่นระหว่างข้อมูลเครือข่ายแต่ละแบบ BIF-PR แยกแยะข้อมูลระหว่างเครือข่ายแต่ละชนิดโดยใช้ payload และความเกี่ยวข้องระหว่างทิศทางของการไหลย้อนและความเปลี่ยนแปลงของข้อมูลเครือข่าย BIF-PRCS นั้นเพิ่มความชัดเจนของความแตกต่างเพิ่มขึ้นโดยใช้ลักษณะของแพ็คเก็ตที่มาต่อจากกัน BIF-PR และ BIF-PRCS มีความเจือจางแต่ก็สามารถที่จะแยกแยะข้อมูลเครือข่ายได้อย่างดี