Detail publikace
Traffic Classification and Application Identification in Network Forensics
network forensics, network traffic classification, statistical protocol identification, application identification, application protocol identification, machine learning, random forests, Bayesian classifier
Klasifikace provozu je naprostou nezbytností pro monitorování, bezpečnostní a síťovou forenzní analýzu. Bez přesné klasifikace provozu by výpočetní nároky na parsování všech flow všemi parsery byly enormní. Klasifikace tedy redukuje počet toků, které je třeba analyzovat, umožňuje prioritizaci a sestavuje pořadí v jakém vyšetřovatel postupuje při vyhodnocení. Tento článek představuje automatickou metodu pro eliminaci charakteristik toků, které se překrývají založenou na korelační matici. Porovnáváme úspěšnost algoritmů získaných z literatury s námi navrženým algoritmem -- Enhanced Statistical Protocol Identification (ESPI). KAždý z algoritmů jsme použili s charakteristikami se kterými vykazoval nejlepší vlastnosti. Experimenty potvrdili, že Random Forests podává nejlepší výsledky, ale náš ESPI klasifikátor vyvážený poměr mezi časem trénovaní a klasifikací.
@inproceedings{BUT154990,
author="Jan {Pluskal} and Ondrej {Lichtner} and Ondřej {Ryšavý}",
title="Traffic Classification and Application Identification in Network Forensics",
booktitle="Fourteenth Annual IFIP WG 11.9 International Conference on Digital Forensics",
year="2018",
journal="IFIP Advances in Information and Communication Technology",
volume="532",
number="1",
pages="161--181",
publisher="Springer International Publishing",
address="New Delhi",
doi="10.1007/978-3-319-99277-8",
isbn="978-3-319-99277-8",
issn="1868-4238"
}