"Machine learning based classification of emulated internet communications on the cloud"

Abstract

La clasificación del tráfico de Internet consiste en etiquetar el tráfico en categorías predefinidas. Uno de los intereses en la realización de esta tarea es priorizar cierto tipo de tráfico para ofrecer Calidad de Servicio (QoS). Uno de los métodos más comunes encontrados en la literatura es el aprendizaje automático, sin embargo, hay una falta de datos de tráfico de Internet etiquetados públicamente actualizados. En la mayoría de los trabajos, los investigadores usan bases de datos públicas que pueden estar desactualizadas o usan los flujos de tráfico de usuarios privados, el problema con estos últimos es que se requiere el permiso de cada usuario para evitar la violación de leyes de privacidad. Otro problema es que los datos capturados de usuarios privados carecen de un proceso de etiquetado de tráfico correcto. Un método utilizado para etiquetar datos es el análisis de carga útil que tiene como objetivo inspeccionar el contenido del tráfico; sin embargo, si los datos están cifrados, dicho método no reconoce la categoría de tráfico de Internet. En esta tesis, empleamos una arquitectura de nube para emular comportamientos similares a los humanos y generar flujos de tráfico para etiquetarlos y almacenar su información estadística en una base de datos. La información dentro de la base de datos se utilizó para entrenar diferentes algoritmos para detectar comportamientos y filtrar ruido. Con el conjunto de datos reducido, se determinó el clasificador de aprendizaje automático más adecuado, esta selección se sustenta en varios experimentos.