Classificação de tráfego na Internet usando técnicas de análise bayesiana

A classificação precisa de tráfego é de fundamental importância para numerosas outras atividades de rede, desde monitoramento de segurança até contabilidade, e de Qualidade de Serviço a fornecer previsões úteis para os operadores em relação ao provisionamento a longo prazo. Aplicamos um estimador de Naïve Bayes para categorizar o tráfego por aplicativo. Unicamente, nosso trabalho utiliza dados de rede classificados manualmente, usando-os como entrada para um estimador supervisionado de Naïve Bayes. Neste artigo, ilustramos o alto nível de precisão alcançado com o estimador de Naïve Bayes. Também ilustramos a precisão aprimorada de variantes refinadas desse estimador. Nossos resultados indicam que, com o estimador mais simples de Naïve Bayes, conseguimos alcançar cerca de 65% de precisão na classificação por fluxo e, com dois refinamentos poderosos, podemos melhorar esse valor para melhor que 95%; isso representa uma vasta melhoria em relação às técnicas tradicionais que alcançam entre 50 e 70%. Embora nossa técnica utilize dados de treinamento, com categorias derivadas do conteúdo dos pacotes, todo o nosso treinamento e teste foi feito usando discriminadores derivados do cabeçalho. Enfatizamos isso como um aspecto poderoso de nossa abordagem: usando amostras de tráfego bem conhecido para permitir a categorização do tráfego usando apenas informações comumente disponíveis.