Sistema de identificação de aplicações baseado em redes neuronais

Abstract

O trabalho que se apresenta pretende dar uma nova visão sobre as aplicações de Internet, mais especificamente aplicações de troca de ficheiros entre usuários (aplicações Peer-to-Peer). Devido a grande popularidade que este tipo de aplicações tem tido nos últimos anos, tornando-se uma enorme fatia do tráfego gerado na Internet, torna-se imprescindível a previsão e análise das reais necessidades que cada utilizador tem. Ao mesmo tempo têm evoluido as técnicas de camuflagem das aplicações Peer-to-Peer, desde mudando as portas de comunicação default, usar tráfego cifrado ou mesmo mudar as assinaturas das aplicações. Esta dissertação mostra uma nova perspectiva baseada em Redes Neuronais, possibilitando a identificação e análise do tráfego gerado por estas aplicações com taxas de sucesso muito grandes, apoiando-se apenas nos perfis de transmissão e recepção de dados que cada uma apresenta. Os resultados obtidos mostram que esta solução é válida, sendo capaz de apresentar taxas de sucesso muito elevadas, contornando os problemas das actuais técnicas de identificação de tráfego.

ABSTRACT: The following work has the purpose to give a new vision about Internet applications, more specifically file-sharing applications between users (Peer-to- Peer). Due to a great popularity that these types of applications have gained in the past times, becoming an enormous fraction of generated traffic in the Internet, it’s essential to predict and analyze the real needs of each user. At the same time, camouflage techniques of Peer-to-Peer applications have evolved, changing default ports of communication, use of encrypted traffic or even changing signatures of applications. This dissertation shows a new approach based in Neural Networks, having the possibility the identification and analysis of the generated traffic by these applications with high success rates, supported only in traffic flows profiles. The results obtained show that this is a valid solution, which can be able to present elevated success rates, bypassing the actual techniques of traffic identification problems.