Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Novel HTTPS classifier driven by packet bursts, flows, and machine learning

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F63839172%3A_____%2F21%3A10133378" target="_blank" >RIV/63839172:_____/21:10133378 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/68407700:21240/21:00353112

  • Výsledek na webu

    <a href="http://dx.doi.org/10.23919/CNSM52442.2021.9615561" target="_blank" >http://dx.doi.org/10.23919/CNSM52442.2021.9615561</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.23919/CNSM52442.2021.9615561" target="_blank" >10.23919/CNSM52442.2021.9615561</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Novel HTTPS classifier driven by packet bursts, flows, and machine learning

  • Popis výsledku v původním jazyce

    Encryption of network traffic recently starts to cover remaining readable information, which is heavily used by current monitoring systems; thus, it is time to focus on novel methods of encrypted traffic analysis and classification. The aim of this paper is to define a new network traffic characteristic called Sequence of packet Burst Length and Time (SBLT), which was inspired by existing approaches and definitions. Contrary to other works, SBLT is feasible even for high-speed backbone networks as a part of IP flow data. The advantage of SBLT features is shown using a machine learning classification model for HTTPS traffic types as an example. This paper presents the definition of SBLT, proposes a new annotated public dataset of HTTPS traffic with 5 categories, and evaluates the developed classifier reaching accuracy over 99 %. This classifier can help analysts to deal with a huge amount of encrypted traffic and maintain situational awareness.

  • Název v anglickém jazyce

    Novel HTTPS classifier driven by packet bursts, flows, and machine learning

  • Popis výsledku anglicky

    Encryption of network traffic recently starts to cover remaining readable information, which is heavily used by current monitoring systems; thus, it is time to focus on novel methods of encrypted traffic analysis and classification. The aim of this paper is to define a new network traffic characteristic called Sequence of packet Burst Length and Time (SBLT), which was inspired by existing approaches and definitions. Contrary to other works, SBLT is feasible even for high-speed backbone networks as a part of IP flow data. The advantage of SBLT features is shown using a machine learning classification model for HTTPS traffic types as an example. This paper presents the definition of SBLT, proposes a new annotated public dataset of HTTPS traffic with 5 categories, and evaluates the developed classifier reaching accuracy over 99 %. This classifier can help analysts to deal with a huge amount of encrypted traffic and maintain situational awareness.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20202 - Communication engineering and systems

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/TH04010073" target="_blank" >TH04010073: Smart ADS</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2021

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 2021 17th International Conference on Network and Service Management

  • ISBN

    978-3-903176-36-2

  • ISSN

    2165-963X

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    345-349

  • Název nakladatele

    IEEE

  • Místo vydání

    Piscataway , USA

  • Místo konání akce

    Izmir, Turecko

  • Datum konání akce

    25. 10. 2021

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku