Approche Automatique Pour La Classification Du Trafic Réseau

Abstract

Les avancées technologiques et l’évolution rapide d’internet et des réseaux informatiques, y compris les réseaux d’entreprises, rendent nécessaire l’implémentation d’une stratégie de gestion de réseau afin de pouvoir optimiser l’utilisation des ressources, planifier le dimensionnement des infrastructures et opérer les systèmes de qualité de service et les mécanismes de sécurité. Ainsi, et pour atteindre cet objectif, il est indispensable de connaître le trafic véhiculant à travers le réseau. De plus, il est très important pour les fournisseurs de services Internet « ISPs » de savoir quels types d'applications réseau circulent sur le réseau. La classification du trafic réseau est la première étape de l'analyse et de l'identification des différents types d'applications circulant dans un réseau Il existe de nombreuses façons traditionnelles de classer le trafic réseau. Cependant, avec le nombre croissant d'applications sur Internet, il est devenu difficile de classer le trafic à l'aide de ces techniques. L'objectif de ce mémoire est d'appliquer les techniques d'apprentissage automatique pour la classification du trafic réseau, pour celà, nous avons utilisé 5 algorithmes d'apprentissage automatiques à savoir : Arbre de décision, Forets Aléatoires, SVM, Naïve Bayes et K-Nearest Neighbors « KNN ». Enfin, nous avons effectué une comparaison entre ces algorithmes et la meilleur performance obtenue était de 99% en utilisant Forest Aléatoires