Proposition d’une approche automatique pour la classification du trafic WebRTC

Abstract

WebRTC (Web Real-Time Communication) est une technologie qui permet aux applications Web de capturer et éventuellement de diffuser des médias audio et/ou vidéo, ainsi que d'échanger des données arbitraires entre navigateurs sans nécessiter d'intermédiaire. Dans le but d'assurer une qualité de service (QoS) adéquate aux utilisateurs WebRTC, il est très utile de développer une politique appropriée de gestion du trafic réseau pour prioriser le trafic WebRTC. Ceci, nécessite que les appareils en réseau identifient les flux WebRTC et le type de contenu qu'ils transportent. D'où l'objectif de ce projet qui consiste à proposer une approche à base du concept d'apprentissage automatique pour la classification du trafic WebRTC. Cinq algorithmes d'apprentissage automatiques, à savoir : SVM (Support Vector Machine), RF (Random Forest), KNN (K Nearest Neighbors), NB (Naive Bayes) et SGDC (Stochastic Gradient Descent Classifier), ont été étudiés et implémentés. Les résultats obtenus montrent que l'algorithme RF présente une meilleure performance avec un taux de précision (Accuracy) de l'ordre de 99.94%.