ارایه روش ترکیبی برای شناسایی و طبقه بندی ترافیک در شبکه های بی سیم

استفاده از رویکرد اقتضایی با بهره گیری از ویژگی هایی از جمله مدیریت توزیع یافته بین گره ها، تسهیل در امر ورود و خروج آنها به شبکه و امکان تحرک بهتر یکی از گزینه های مطلوب جهت پیکربندی شبکه های بی سیم می باشد. همین امر موجب تولید ترافیک با رفتار پویا توسط نرم افزارهای کاربردی در چنین شبکه هایی می شود که مسیله مدیریت شبکه و کنترل ترافیک بین گره ها را تحت تاثیر خود قرار می دهد که این امر در شبکه های نظامی که امنیت بالاتری مورد نیاز است اهمیت بسزایی دارد. شناسایی و طبقه بندی ترافیک جاری در شبکه می تواند کمک شایانی به این چالش در شبکه های بی سیم کند. از آنجا که روش های مرسوم شناسایی و طبقه بندی ترافیک قادر به ارایه عملکرد مناسب با چنین ترافیک هایی نیستند لذا استفاده از روش های مبتنی بریادگیری ماشین می تواند برای بهبود طبقه بندی ترافیک بکارگرفته شوند. در این مقاله، مساله کشف یک ترافیک خاص در شبکه اقتضایی بی سیم مد نظر قرار گرفته است و بر این اساس با تعریف معیار احتمال آشکارسازی و عدم ارایه تصمیم اشتباه در این حوزه، به دنبال افزایش احتمال آشکارسازی ترافیک های غیرمجاز در سیستم هستیم. در این مقاله روشی جدید جهت افزایش دقت و بهره وری در شناسایی ترافیک غیرمجاز در شبکه های بی سیم اقتضایی ارایه می شود که اساس آن مبتنی بر ترکیب هدفمند روش های یادگیری ماشین است. این روش بر روی یک مجموعه داده ضبط شده از ترافیک شبکه بی سیم اعمال می شود و مورد ارزیابی قرار می گیرد. نتایج نشان می دهند که روش ارایه شده علاوه بر بهبود معیارهای ارزیابی طبقه بندی کننده ترافیک موجب افزایش احتمال آشکارسازی و کاهش نرخ هشدار غلط به نسبت بکارگیری روش های یادگیری ماشین بصورت یکتا می باشد.