با توجه به استفاده ی روزافزون از شبکه ی اینترنت و لزوم وجود ابزارهایی جهت کنترل و مدیریت ترافیک شبکه ها و نیز پیدایش مداوم کاربردهایی که با استفاده از تکنیک های بدیع و پیچیده ی مبهم سازی قصد فریب این ابزارها را دارند، طراحی دقیق سیستم های شناسایی و دسته بندی کاربردهای مختلف شبکه از اهمیت زیادی برخوردار است. هدف این پایان نامه طراحی و پیاده سازی یک سیستم هوشمند و کارا جهت شناسایی و دسته بندی ترافیک شبکه، مبتنی بر تکنیک های یادگیری ماشین و هوش محاسباتی است. ساخت چنین سیستمی شامل سه مرحله است؛ مرحله ی اول مربوط به ساخت مجموعه داده و مرحله ی دوم شامل اقدامات پیش پردازشی از قبیل انتخاب ویژگی است. در این مرحله انتخاب ویژگی های مناسب به وسیله ی یک مدل سه لایه ی پیشنهادی انجام می شود. در مرحله ی سوم یعنی مرحله ی دسته بندی، روش های ترکیبی پایه شامل بگینگ، آدابوست و استکینگ و همچنین یک روش پیشنهادی روی داده ها اعمال شده اند. نتایج مقایسات، نشان از دقت بالای سیستم پیشنهادشده دارد. روش پیشنهادی، ترافیک udp را با دقت 21/91 و ترافیک tcp را با دقت 64/99، شناسایی و دسته بندی می کند. همچنین این پژوهش از نخستین کارهایی است که روش استکینگ را در زمینه ی دسته بندی ترافیک شبکه به کار گرفته است.

با توجه به استفاده ی روزافزون از شبکه ی اینترنت و لزوم وجود ابزارهایی جهت کنترل و مدیریت ترافیک شبکه ها و نیز پیدایش مداوم کاربردهایی که با استفاده از تکنیک های بدیع و پیچیده ی مبهم سازی قصد فریب این ابزارها را دارند، طراحی دقیق سیستم های شناسایی و دسته بندی کاربردهای مختلف شبکه از اهمیت زیادی برخوردار است. هدف این پایان نامه طراحی و پیاده سازی یک سیستم هوشمند و کارا جهت شناسایی و دسته بندی ترافیک شبکه، مبتنی بر تکنیک های یادگیری ماشین و هوش محاسباتی است. ساخت چنین سیستمی شامل سه مرحله است؛ مرحله ی اول مربوط به ساخت مجموعه داده و مرحله ی دوم شامل اقدامات پیش پردازشی از قبیل انتخاب ویژگی است. در این مرحله انتخاب ویژگی های مناسب به وسیله ی یک مدل سه لایه ی پیشنهادی انجام می شود. در مرحله ی سوم یعنی مرحله ی دسته بندی، روش های ترکیبی پایه شامل بگینگ، آدابوست و استکینگ و همچنین یک روش پیشنهادی روی داده ها اعمال شده اند. نتایج مقایسات، نشان از دقت بالای سیستم پیشنهادشده دارد. روش پیشنهادی، ترافیک udp را با دقت 21/91 و ترافیک tcp را با دقت 64/99، شناسایی و دسته بندی می کند. همچنین این پژوهش از نخستین کارهایی است که روش استکینگ را در زمینه ی دسته بندی ترافیک شبکه به کار گرفته است.

با توجه به استفاده ی روزافزون از شبکه ی اینترنت و لزوم وجود ابزارهایی جهت کنترل و مدیریت ترافیک شبکه ها و نیز پیدایش مداوم کاربردهایی که با استفاده از تکنیک های بدیع و پیچیده ی مبهم سازی قصد فریب این ابزارها را دارند، طراحی دقیق سیستم های شناسایی و دسته بندی کاربردهای مختلف شبکه از اهمیت زیادی برخوردار است. هدف این پایان نامه طراحی و پیاده سازی یک سیستم هوشمند و کارا جهت شناسایی و دسته بندی ترافیک شبکه، مبتنی بر تکنیک های یادگیری ماشین و هوش محاسباتی است. ساخت چنین سیستمی شامل سه مرحله است؛ مرحله ی اول مربوط به ساخت مجموعه داده و مرحله ی دوم شامل اقدامات پیش پردازشی از قبیل انتخاب ویژگی است. در این مرحله انتخاب ویژگی های مناسب به وسیله ی یک مدل سه لایه ی پیشنهادی انجام می شود. در مرحله ی سوم یعنی مرحله ی دسته بندی، روش های ترکیبی پایه شامل بگینگ، آدابوست و استکینگ و همچنین یک روش پیشنهادی روی داده ها اعمال شده اند. نتایج مقایسات، نشان از دقت بالای سیستم پیشنهادشده دارد. روش پیشنهادی، ترافیک udp را با دقت 21/91 و ترافیک tcp را با دقت 64/99، شناسایی و دسته بندی می کند. همچنین این پژوهش از نخستین کارهایی است که روش استکینگ را در زمینه ی دسته بندی ترافیک شبکه به کار گرفته است.