Trudy NGTU im. R.E. AlekseevaTrudy NGTU im. R.E. AlekseevaТруды НГТУ им. Р.Е. Алексеева1816-210XNizhny Novgorod State Technical University n.a. R.E. Alekseev655832PMAPDMCOMPUTER SCIENCE, MANAGEMENT AND SYSTEM ANALYSISИнформатика, управление и системный анализResearch ArticleApplication identification by network trafficИдентификация приложений по сетевому трафикуhttps://orcid.org/0000-0001-5564-045XKuznetsovG. D.КузнецовГеоргий Дмитриевич
Russian Federation

ассистент

gd.smith@yandex.ruhttps://orcid.org/0000-0002-3644-5234GaiV. E.ГайВасилий Евгеньевич
Russian Federation

доцент, канд. техн. наук

iamuser@inbox.ruR.E. Alekseev Nizhny Novgorod State Technical UniversityНижегородский государственный технический университет им. Р.Е. Алексеева1507202447161302202513022025Copyright ©; 2024, Kuznetsov G.D., Gai V.E.Copyright ©; 2024, Кузнецов Г.Д., Гай В.Е.2024Kuznetsov G.D., Gai V.E.Кузнецов Г.Д., Гай В.Е.https://creativecommons.org/licenses/by/4.0https://journals.eco-vector.com/1816-210X/article/view/655832

The paper presents the possibility of identifying applications by network traffic. Classical classifier methods are applied for identification. The paper proposes a model for collecting and processing input network data, as well as an algorithm for forming a feature description for classifying network applications to improve the accuracy of application identification. The results of the experiments made it possible to identify the advantages and disadvantages of the classification methods used.

Исследована возможность идентификации приложений по сетевому трафику с применением классических методов классификаторов. Предложены модель сбора и обработки входных сетевых данных, а также алгоритм формирования признакового описания для классификации сетевых приложений с целью повышения точности идентификации программ. Проведены эксперименты и анализ полученных результатов, которые позволили выявить преимущества и недостатки используемых методов классификации.

identificationnetwork trafficnetwork packetsnetwork dataclassificationfeature descriptionидентификациясетевой трафиксетевые пакетысетевые данныеклассификацияпризнаковое описаниеЮхимук, Р.А. Анализ протоколов сетевого взаимодействия для повышения надежности, быстродействия и безопасности сети организации / Р.А. Юхимук, С.А. Веревкин // Известия Тульского государственного университета. Технические науки. 2023. № 8. С. 286-296.Веселков, Е.Н. Проблемы передачи информации в защищенных сетях // Современные материалы, техника и технология. 2019. С. 83-86.Пальчевский, Е.В. Анализ и фильтрация протоколов в UNIX-подобных системах, посредством IPTABLES / Е.В. Пальчевский, А.Р. Халиков // Приоритетные задачи и стратегии развития технических наук. 2016. С. 6-9.Wang, Z. The applications of deep learning on traffic identification. BlackHat USA. 2015. Т. 24. №. 11. С. 1-10.Svoboda, J. Network traffic analysis with deep packet inspection method. Fac. Informatics Masaryk Univ., no. Master’s Thesis. 2014.Утробин, В.А. Элементы теории активного восприятия изображений // Труды НГТУ им. Р.Е. Алексеева. 2010. Т. 81. № 2. С. 61-69.Воронцов, К.В. Обзор постановок оптимизационных задач машинного обучения // Общероссийский семинар по оптимизации 3 июня 2020 г. [Электронный ресурс] Режим доступа: https://www.mathnet.ru/PresentFiles/27231/voron2020_06_03_opt.pdfPowers, D.M.W. Evaluation: from precision, recall and F-measure to ROC, informedness, markedness and correlation //arXiv preprint arXiv:2010.16061. – 2020.