SVMによる暗号化トンネル内通信のアプリケーション識別

摘要

近年，パケットのペイロード部分が暗号化されているトラフィックの監視結果からアプリケーションを識別する研究が盛んに行われている.これらの手法は未知フローの送受信特性を調べ，事前に調査した既知のアプリケーションの送受信特性と比較することでアプリケーションの識別を行う.しかしながら、暗号化トンネル内通信ではフロー分割が困難なこと，経路上のパケツト伝送遅延やアブリケーションごとの挙動の変化などの不安定要因のため,安定的に高い識別率を得ることは困難であった.この報告では，インターネット上の遅延の影響を排除した特徴ぺクトルを抽出し，これをSVMで機械学習することにより，アプリケーションを識別する手法を提案している.検証実験の結果，約2から5個の特徴べクトルを取得するだけで90%から97%の識別精度を得ることができた.%Curently, research on classification of application traffic which use the result of monitoring network traffic with encrypted payload of packet has been proposed. They identify network traffic using methods that compare the characteristics of transmission and reception of unknown application flow and the known applications flow. However, in the case of network traffic of encrypted tunnel, it is difficult to split flow, packet transmission is delayed on the route and the changes in the behavior of each application is destabilizing. Thus, stable and hight accuracy idenification has been difficult. In this report, we extracted the feature vectors that eliminated influence of the delay on the Internet. We based on SVM(Support Vector Machines), one of the most promising Machine Learning(ML) tools, for apply to the problem of traffic classification in encrypted tunnel. Validation experiments result showed hight accuracy 90% ～ 97%, although use only about 2〜5 feature vectors.