توضیحات
چکیده
اسکایپ نرم افزار پیام رسان کاربردی، امکان ارسال و دریافت پیام متنی،صوتی، ویدئو و نیز فایل را پشتیبانی میکند. به علت استفاده آسان ،هزینه پایین و کیفیت بالای صدا روز به روز در بین کاربران اینترنتی محبوب تر گردد. می صاحبان بسیاری از شرکت ها از جمله توسعه دهنده گان نرم افزار اسکایپ به منظور جلوگیری از شناسایی شدن ترافیک کاربران و حفظ امنیت آنها، جریان های ترافیکی خود را رمز میکنند. البته شرکت اسکایپ با گامی جلوتر در این زمینه همچنین شماره پورت این نرم افزار به صورت تصادفی هنگام نصب به هر کاربر تخصیص می دهد. از طرف دیگر هم مراکز ارایه دهنده گان خدمات اینترنت به جهت ارایه اولویت به بعضی از ترافیک ها مانند صوت و یا بلوکه نمون جریان هایی مانند ویدیو نیاز به شناسایی جریان های اینترنت دارند. از اینرو موضوع شناسایی و طبقه بندی جریان های اینترنت به موضوعی چالش برانگیز در شبکه های ارتباطی تبدیل گشته است. راه های زیادی برای شناسایی جریان های ترافیکی اینترنت وجود دارد، اما جریان های اسکایپ را به دلیل رمز بودن و استفاده از شماره پورت- های پویا نمیتوان با روش های سنتی شناسایی کرد. بنابراین از روش های آماری مانند یادگیر ماشین که نیازی به محتوی بسته ندارد استفاده میشود. ما هم در این مقاله با بهره گیری از یکی از روش های یادگیر ماشین اقدام به شناسایی جریان های مختلف اسکایپ می نماییم.
مقدمه
یکی از چالش های مهم شبکه های مخابراتی در چند سال اخیر، دسته بندی و شناسایی جریان های ترافیکی اینترنت میباشد که هدف از آن مدیریت ترافیک، اعمال کیفیت سرویس، اولویت دادن به بعضی از جریان های ترافیکی مانند صوت و حتی پالایش حجمی از ترافیک میباشد. روش های زیادی برای شناسایی ترافیک ارایه شده است. از جمله میتوان به روش مبتنی بر پورت، بازرسی عمیق بسته ها، روشهای آماری و روش مبتنی بر رفتارکاربران اشاره کرد. اما امروزه، بسیاری از توسعه دهنده گان نرم افزارهای کاربردی ترافیک خود را رمز نموده از اینرو دسترسی به محتوی آن امکان پذیر نیست و در برخی موارد به دلیل جلوگیری از بلاک شدن توسط دیواره ی آتش، از شماره پورت تصادفی یا شماره پورت های شناخته شده ی دیگر مانند: (http(80),https(443استفاده میکنند. بنابراین نمیتوان از روش های سنتی مبتنی بر محتوی بسته، مانند استفاده از شماره پورت یا بازرسی عمیق بسته اقدام به شناسایی این دسته از جریان های ترافیکی نمود.
ABSTRACT
Skype is a functional messaging application that supports the ability to send and receive text messages, audio, video as well as file. Due to its ease of use, low cost and high quality sound are becoming more popular among internet users. Many of the owners of many companies, including Skype software developers, encrypt their traffic streams in order to prevent users from detecting traffic and protecting their security. Of course, Skype will give a step forward in this regard as well, the port number of this software will be assigned to each user at random upon installation. On the other hand, Internet Service Providers (ISPs) need to identify Internet streams in order to prioritize some types of traffic such as voice or block video streams such as video. Therefore, the issue of identifying and classifying Internet currents has become a challenging topic in communication networks. There are many ways to identify Internet traffic flows, but it’s not possible to identify traditional streams because of the encryption and the use of dynamic port numbers in traditional ways. Therefore, statistical methods such as machine learning that do not require closed content are used. In this paper, we also use one of the methods of machine learning to identify different streams of Skype.
INTRODUCTION
One of the major challenges of telecommunication networks in the past few years is the classification and identification of Internet traffic flows, which aim to manage traffic, enforce service quality, prioritize some traffic flows, such as audio and even a volume refinement of traffic. . There are many ways to identify traffic. Examples include port-based methods, deep packet inspection, statistical methods, and behavior-based behavior. But today, many developers have encrypted their own application traffic applications, so access to its content is not possible and in some cases, because of preventing blocking by the firewall, random port numbers or known port numbers Another such as: (http (80), https (443)), so the traditional package-based methods, such as the use of a port number or a deep packet inspection, can not identify these categories of traffic flows.
Year: 2017
Publisher : International Conference on Engineering and Information Technology
By : Nasrin Batmani, Noureddin Prandin
File Information: persian Language/ 11 Page / size: 370 KB
سال : 1396
ناشر : کنفرانس بین المللی مهندسی و فن آوری اطلاعات
کاری از : نسرین باتمانی, نورالدین پراندین
اطلاعات فایل : زبان فارسی / 11 صفحه / حجم : KB 370
نقد و بررسیها
هنوز بررسیای ثبت نشده است.