Traffic Classification and Comparative Analysis with Machine Learning Algorithms in Software Defined Networks

Authors : Özgür TONKAL, Hüseyin POLAT

Pages : 71-83

Doi:10.29109/gujsc.869418

View : 25 | Download : 19

Publication Date : 2021-03-25

Article Type : Research Paper

Abstract :Bilgisayar ağlarında, farklı uygulamalar farklı özelliklere sahip ağ trafiği üretirler. Ağları daha iyi yönetmek, hizmet kalitesini artırmak ve güvenliği sağlamak için ağ trafiğinin sınıflandırılması önemlidir. Yazılım Tanımlı Ağlar (YTA) programlanabilir yapısı ile trafik sınıflandırması için esnek ve uyarlanabilir teknikler sağlar. YTA akışları doğal olarak ağ uygulamaları ve protokollerinin belirli özelliklerini sergiler. Dolaysıyla, YTA’ nın makine öğrenmesi kullanarak trafik sınıflandırmada önemli fırsatlar sunduğu söylenebilir. Bu çalışmada, YTA’ da makine öğrenme modellerini kullanarak bir trafik sınıflandırma yaklaşımı öneriyoruz. Dağıtık İnternet Trafik Oluşturucu (D-ITG) aracı kullanılarak YTA üzerinde DNS, Telnet, Ping ve Ses trafik akışları oluşturulmuştur. Bu trafik akışlarını temsil eden on iki öznitelik (iletilen paket sayısı, ortalalama iletim süresi, anlık iletilen paket sayısı vb.) belirlendi ve fiziksel ağdaki YTA kontrolcüsü üzerinden gerçek zamanlı olarak özniteliklere ait veriler toplanarak bir veri seti oluşturuldu. Daha sonra da bu veri seti üzerinde trafik sınıflandırması için k En Yakın Komşu, Destek Vektör Makinesi, Çok Katmanlı Algılayıcı, Karar Ağacı ve Naive Bayes makine öğrenme modellerinin başarımı test edildi. Gerçek zamanlı olarak oluşturulan bu veri seti üzerinde k En Yakın Komşu modeli kullanıldığında %99.4 doğruluk oranı ile en yüksek sınıflandırma doğruluğu elde edilmiştir. Dolayısıyla, YTA’da trafik sınıflandırmasında, en düşük maliyetli akış öznitelikleri ile en yüksek sınıflandırma performansı veren makine öğrenme modeli olduğu tespit edilmiştir.
Keywords : Yazılım Tanımlı Ağ YTA, Makine Öğrenmesi, Trafik Sınıflandırma