15418

بررسي روش‌هاي بازرسي عميق بسته‌ها در شبكه‌هاي كامپيوتري

1403

دكتر ابوالفضل ديانت

در سال‌هاي اخير، افزايش حجم و تنوع ترافيك در شبكه‌هاي ارتباطي، به‌ويژه در زيرساخت‌هاي حياتي و محيط‌هاي امنيتي، چالش‌هاي متعددي را در زمينه‌ي تشخيص حملات و تحليل رفتار شبكه ايجاد كرده است. رشد چشمگير خدمات اينترنتي، گسترش كاربردهاي مبتني بر تلفن‌همراه و اينترنت اشياء، و استفاده‌ي گسترده از رمزنگاري در تبادلات داده، سبب شده است تا روش‌هاي سنتي تحليل بسته‌ها و بازرسي عميق ترافيك كارايي خود را از دست بدهند. از اين‌رو، نياز به توسعه‌ي الگوريتم‌هاي هوشمند، دقيق و سريع براي تحليل و طبقه‌بندي ترافيك شبكه بيش از پيش احساس مي‌شود. در اين ميان، استفاده از مدل‌هاي يادگيري ماشين و يادگيري عميق توانسته است نقش مؤثري در بهبود دقت و سرعت تشخيص الگوهاي رفتاري و ناهنجاري‌ها ايفا كند. در اين سمينار، روش‌ها و رويكردهاي مختلف طبقه‌بندي ترافيك شبكه مورد بررسي قرار گرفته‌اند، به‌ويژه در شرايطي كه داده‌ها رمزگذاري‌شده و شفافيت ساختار بسته‌ها كاهش يافته است. تمركز اصلي پژوهش بر تحليل و مقايسه‌ي ابزارها و الگوريتم‌هاي شناسايي ترافيك، شناسايي برنامه‌ها و تشخيص حملات مبتني بر ويژگي‌هاي آماري و زماني است. در اين راستا، مدل‌هاي يادگيري نظارت‌شده، نيمه‌نظارتي و بدون نظارت، و همچنين روش‌هاي پيشرفته در مهندسي ويژگي‌ها و كاهش بُعد مانند PCA و Autoencoder بررسي و ارزيابي شده‌اند. افزون بر آن، چالش‌هاي موجود در بهره‌گيري از داده‌هاي رمزگذاري‌شده، از جمله حفظ حريم خصوصي، فقدان مجموعه‌داده‌هاي استاندارد و نياز به ابزارهاي تحليلي متن‌باز نيز مورد بحث قرار گرفته است. در نهايت، مروري بر جديدترين پژوهش‌ها در زمينه‌ي استفاده از شبكه‌هاي عصبي عميق، الگوريتم‌هاي گراف ‌پايه و مدل‌هاي تركيبي براي شناسايي حملات و تحليل ترافيك رمزگذاري‌شده ارائه گرديده است.

11/5/2025 12:00:00 AM

88577

1404/09/05

A Survey of Deep Packet Inspection Methods in Computer Networks

ترافيك شبكه , تحليل ترافيك , طبقه‌بندي ترافيك , شناسايي ترافيك , پايش ترافيك , تحليل ريزدانۀ ترافيك , تحليل درشت‌دانۀ ترافيك , تشخيص نفوذ , شناسايي رفتار كاربر

Network Traffic , Traffic Analysis , Traffic Classification • Traffic Identification , • Traffic Monitoring , • Fine-grained Traffic Analysis , • Coarse-grained Traffic Analysis , • Intrusion Detection , • User Behavior Identification