ОСОБЕННОСТИ КЛАССИФИКАЦИИ ЗАШИФРОВАННОГО СЕТЕВОГО ТРАФИКА

Аннотация

В настоящее время растет интерес к задачам эффективного управления пакетными сетями: качеству обслуживания, обеспечению информационной безопасности, оптимиза- ции использования программно-аппаратных ресурсов сети. Все эти задачи во многом опи- раются на анализ и классификацию сетевого трафика. Данный трафик неоднороден, как правило, имеет пульсирующий характер, трудно поддается прогнозированию, описывается математическим аппаратом случайных процессов. В разное время условия прохождения пакетов по одному и тому же пути могут значительно отличаться. Вместе с тем появля- ется значительное количество приложений, требовательных к задержкам и джиттеру. Задача администрирования в данном контексте состоит в правильной настройке узлов коммутации и маршрутизации. Классификация трафика позволяет идентифицировать пакеты различных приложений и служб и обеспечить их приоретизацию при передаче по сети. Например, трафик видеоконференций необходимо передавать в первую очередь, по- скольку он очень чувствителен к задержкам и джиттеру, трафик данных можно переда- вать в последнюю очередь. Классификация трафика на сегодняшний день задача актуаль- ная как с точки зрения администрирования сети, так и с точки зрения обеспечения её безопасности. Ввиду того, что большое количество приложений сейчас шифрует переда- ваемую информацию и просмотреть ее содержимое очень сложно, особый интерес пред- ставляет классификация трафика, которая позволяет по косвенным признакам опреде- лить аномалии в работе сети, признаки вторжения. В данной работе рассмотрены осо- бенности решения задачи классификации зашифрованного трафика. Целью работы явля- ется исследование особенностей классификации зашифрованного трафика с использовани- ем корреляционного анализа и алгоритма, основанного на разности интегральных площа- дей. Задачи исследования: – разработать алгоритм классификации трафика на основе корреляции и известными образцами; – разработать алгоритм, основанный на разности интегральных площадей под кривыми интенсивности трафика; – провести практическое исследование точности решения задачи классификации. В работе рассмотрена классифи- кация трафика по трем группам: аудио, видео, данные. В результате выявлена достаточ- ная точность корреляционного алгоритма при определении аудио и трафика данных. Для выявления видеотрафика лучше использовать алгоритм, основанный на разности ин- тегральных площадей под кривыми интенсивности.