محمد حسن مجتهد سلیمانی
محمد حسن مجتهد سلیمانی
دانشکده مهندسی
گروه آموزشی مهندسی کامپیوتر
پایاننامه برای دریافت درجه کارشناسی ارشد در رشته مهندسی فناوری اطلاعات گرایش شبکههای کامپیوتری
عنوان:
شناسایی و دستهبندی ترافیک رمز شده TOR به کمک روشهای یادگیری ماشین
استاد راهنما:
دکتر محرم منصوریزاده
استاد مشاور:
دکتر محمد نصیری
اساتید داور:
دکتر دزفولیان
دکتر عباسی
نگارش:
محمدحسن مجتهدسلیمانی
محل برگزاری: دانشکده مهندسی، سالن آمفی تئاتر
تاریخ و زمان برگزاری: 21/11/94 ساعت 8 صبح
چکیده فارسی:
شناسایی و دستهبندی ترافیکهای شبکه بر اساس نوع نرمافزار برای بسیاری از کارهای کنترلی و نظارتی شبکه همانند ایجاد صورتحساب، کیفیت خدمات، نظارت بر ترافیک شبکه و مهندسی ترافیک اهمیت دارد. این موارد کنترلی و نظارتی نیازمند این هستند که بدانند چه نوع ترافیکی در حال عبور از شبکه است تا با توجه به خطمشی از پیش تعریفشدهای، قانون یا قوانینی را بر ترافیک موردنظر اعمال نمایند. امروزه بسیاری از نرمافزارهای شبکه به دلایل مختلفی همچون عدم فاش شدن هویت فرستنده داده، جلوگیری از فاش شدن محتوای داده، احراز هویت و مواردی دیگر از رمزنگاری استفاده میکنند. این نرمافزارها علاوه بر رمز کردن دادههایشان، معمولا از درگاههای تصادفی و غیر مشهور بهره میبرند. ازاینجهت، روشهای شناسایی و دستهبندی ترافیکهای اینترنتی همانند روشهای مبتنی بر درگاه و مبتنی بر محتوا نمیتوانند برای شناسایی این ترافیکها مورد استفاده قرار بگیرند. بنابراین نیاز است که از روشهای دیگری بهره گرفته شود که روشهای یادگیری ماشین میتوانند در این زمینه بسیار سودمند باشند. روشهای یادگیری ماشین برای شناسایی نرمافزارهای شبکه، بر اساس اطلاعات آماری در هر جریان عمل میکنند. این اطلاعات آماری از ویژگیهای مستقل از محتوا همانند اندازه بسته، فاصله زمانی بین ورود بستهها و غیره نشات میگیرند. در این پژوهش، ترافیک رمز شده TOR (ترافیک افزونههای Obfs3 و Scramblesuit) با استفاده از این روشها مورد شناسایی و دستهبندی قرار میگیرد. بدین منظور از شش الگوریتم یادگیری ماشین و 40 ویژگی آماری استفاده شده است. برای اینکه بتوانیم بهصورت آنلاین، ترافیک تور را از ترافیکهای پسزمینه شناسایی کنیم، دستهبندی را روی چند بسته ابتدایی جریان انجام میدهیم و یکبار از تمام 40 ویژگی آماری استفاده میکنیم و بار دیگر بهمنظور کاهش تعداد ویژگیهای استفاده، دستهبندی را با استفاده از حداقل هشت و حداکثر 12 ویژگی انجام میدهیم. نتایج بهدستآمده حاکی از آن است که میتوان با دقت بالایی، ترافیک تور را با استفاده از چند بسته ابتدایی جریان شناسایی کرد.
واژههای کلیدی: شناسایی ترافیک، دستهبندی ترافیک، یادگیری ماشین، ترافیک رمز شده، TOR
چکیده انگلیسی:
Identification and classification of network traffics based on applications are very important for lots of controlling and monitoring network tasks like billing, QoS, network traffic monitoring and traffic engineering. These tasks need to know what kind of traffic is passing the network to apply a rule or rules on the traffic based on the pre-defined policy. Nowadays lots of network applications use encryption for different reasons like non-disclosure of the identity of sender, preventing data payload from disclosing, authentication and so on. These applications usually use unknown and random ports besides encrypting their data. Therefore, identification and classification techniques like port-based and payload-based methods can not be used for identifying such traffics. So, it is needed to use other methods and machine learning techniques can be very helpful in this field. Machine learning techniques work based on statistical information of flow for identifying network applications. The statistical information is derived from payload-independent features such as packet length, inter-arrival time and etc. In this paper, encrypted TOR traffic (traffics of Obfs3 and Scramblesuit pluggable-transports) is identified by using such techniques. So, six machine learning algorithms and 40 statistical features have been used. Because we are going to identify TOR traffic from background traffics in online manner, we do classification once on a few first flow packets and use 40 features and the other time to reduce used features, classification is done by at least 8 and at most 12 features. The results show that TOR traffic can be identified with a few first flow packets.
Key Words: Traffic identification, Traffic classification, Machine learning, Encrypted traffic, TOR
رزومه تحصیلی:
مقطع تحصیلی | موسسه آموزش عالی | رشته تحصیلی | سال تحصیلی |
کارشناسی | خوارزمی تهران | علوم کامپیوتر | 91-86 |
کارشناسی ارشد | بوعلی سینا همدان | شبکه های کامپیوتری | 94-92 |
تخصص ها:
آشنایی با زبان های برنامه نویسی C++، C# و ...
آشنایی با مباحث پیکربندی شبکه
کارهای پژوهشی:
مقاله "شناسایی ترافیک رمز شده TOR به کمک روش های یادگیری ماشین" پذیرفته شده در هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش (IKT 2015)، دانشگاه ارومیه، سال 94
به گزارش بسنا، مراسم افتتاحیه این پروژه با حضور محمدعلی زلفیگل وزیر علوم، تحقیقات و فناوری و دکتر علیرضا قاسمیفرزاد استاندار همدان، معاونان وزارتخانههای علوم و مسئولان استانی و ریاست...
دفتر هدایت استعدادهای درخشان دانشگاه بوعلیسینا فهرست اسامی دانشجویان برگزیده آموزشی پژوهشی پانزدهمین همایش سالانه دفتر هدایت استعدادهای درخشان سال ۱۴۰۲ را منتشر کرد. اسامی دانشجویان...
بهراد توتونچی دبیر انجمن علمی دانشجویی مهندسی عمران دانشگاه بوعلی سینا، در جلسه ای با حضور نمایندگان دانشگاه های سراسر کشور، با کسب اکثریت آرا انتخابات، به عنوان دبیر...
در هشتمین نشست از دوره یازدهم هیأت ممیزه دانشگاه بوعلیسینا، آقای دکتر علیرضا حاتمی دارای مدرک دکتری در رشته مهندسی برق با ر أ ی اعضاء از مرتبه...
بدینوسیله انتخاب آقای دکتر آرش فتاح الحسینی را به عنوان پژوهشگر برگزیده دانشگاه در گروه فنی و مهندسی به ایشان و خانواده علمی دانشکده مهندسی تبریک عرض نموده و از خداوند متعال...
بدینوسیله انتخاب دو تن از دانشجویان دانشکده مهندسی مهندس راضیه چهارمحالی در مقطع دکتری رشته مهندسی مواد شاخه خوردگی و مهندسی سطح و مهندس امین نظری در مقطع...
بدینوسیله انتخاب سه عضو هیات علمی دانشکده مهندسی جناب آقایان دکتر جواد بهنامیان ، دکتر حسن علم خواه و دکتر محسن گودرزی در...
براساس اطلاعات پایگاه شاخصهای اساسی علم (ESI)، حضوردکتر محمد حسن مرادی از گروه مهندسی برق دانشکده مهندسی در زمره پژوهشگران پراستناد یک درصد برتر دنیا استمرار پیدا کرد. ...
بدینوسیله انتخاب اعضا محترم هیات علمی سرکار خانم دکتر سموئی (گروه مهندسی صنایع)، جناب آقایان دکتر بابائی (گروه مهندسی عمران)، دکتر حاتمی (گروه مهندسی برق)، دکتر ختن لو (گروه مهندسی...
بدینوسیله انتخاب چهار عضو هیات علمی دانشکده مهندسی جناب آقای دکتر جواد بهنامیان از گروه مهندسی صنایع به عنوان پژوهشگر اول برگزیده، جناب آقای دکتر حسن علم خواه از گروه...
به گزارش بسنا و به نقل از سازمان سنجش، آزمون مرحله نهایی بیست و هشتمین دوره المپیاد علمی دانشجویی کشور با حضور نفرات برگزیده آزمون کارشناسی ارشد (متمرکز) و آزمون غیرمتمرکز المپیاد در دانشگاههای...
به اطلاع دانشجویان محترم می رساند سایت کامپیوتر کارشناسی دانشکده مهندسی به دلیل انجام ثبت نام دانشجویان کارشناسی ورودی 1402 از شنبه 1402/7/22 به مدت یک هفته تعطیل می باشد.
به گزارش بسنا و به نقل از معاونت علمی فناوری ریاست جمهوری، در هشتمین دوره تجلیل از سرآمدان علمی کشور در سال ۱۴۰۲ که با حضور معاون علمی و فناوری و اقتصاد دانشبنیان رئیسجمهور و وزیر علوم...
به اطلاع دانشجویان ورودی جدید تحصیلات تکمیلی (ارشد و دکترا) می رساند، یکشنبه 23 مهر ساعت 11 الی 13 در محل آمفی تئاتر دانشکده مهندسی جلسه معارفه با هیات رییسه دانشکده برگزار می شود. ...
بر اساس اطلاعات جدید نمایه استنادی معتبر scopus ۲۰۲۳، با بررسی مقالات مربوط به ۲۰۲۲، 4 عضو هیات علمی و 1 دانش آموخته دانشکده مهندسی و با بررسی کل مقالات مربوط به سال های مختلف، 1 نفر از اعضای هیات...
نظر به مراتب تعهد، تخصص و تجارب ارزشمند جناب آقای دکتر حسن علم خواه و بنا به پیشنهاد رئیس دانشکده مهندسی، به موجب ابلاغی ایشان با حفظ سمت آموزشی به مدت 2 سال به عنوان...
در حکمی از طرف ریاست دانشگاه آقای دکتر امیرسامان خیرخواه به عنوان مدیر گروه رشته مهندسی صنایع منصوب گردید. در این حکم آمده است : « با احترام و آرزوی توفیق الهی، نظر به مراتب تعهد و تجارب...
در حکمی از طرف ریاست دانشگاه آقای دکتر صالح رازینی به عنوان مدیر گروه رشته مهندسی برق منصوب گردید. در این حکم آمده است : « با احترام و آرزوی توفیق الهی، نظر به مراتب تعهد و تجارب ارزنده...
قابل توجه دانشجویان مصاحبه دکتری: آخرین مهلت شرکت در مصاحبه دکتری برای کلیه رشته ها اعم از برق، کامپیوتر، مواد، صنایع و مکانیک برای دانشجویانی که موفق به انجام مصاحبه...
بدینوسیله فرزندان افتخار آفرین دانشکده مهندسی در سال 1401 را معرفی نموده و با عرض تبریک برای این عزیزان موفقیت روزافزون مسالت می نماید. ...