Darknet Web Traffic Classification via Gradient Boosting Algorithm

Basit Öğe Kaydı
dc.contributor.authorHorasan, Fahrettin
dc.contributor.authorYurttakal, Ahmet Haşim
dc.date.accessioned2025-01-21T14:26:02Z
dc.date.available2025-01-21T14:26:02Z
dc.date.issued2022
dc.description.abstractClassification of network traffic not only contributes to improving the quality of network services of institutions, but also helps to protect important data. Machine learning algorithms are frequently used in the classification of network traffic, since port-based and load-based classification processes are insufficient in encrypted networks. In this study, VPN and Tor network traffic combined in the darknet category was classified with the Gradient Boosting Algorithm. 70% of the dataset is reserved for training and 30% for testing. 10 fold cross validation was applied in the training set. Network flows in 8 different categories: Audio-Streaming, Browsing, Chat, E-mail, P2P, File Transfer, Video-Streaming and VOIP were classified with 99.8% accuracy. The proposed method automated the process of network analysis from the darknet. It enabled organizations to protect their important data with high accuracy in a short time.
dc.description.abstractAğ trafiğinin sınıflandırılması kurumların ağ hizmetlerinin kalitesinin artırılmasına katkı sağlamasının yanında önemli verilerinin korunmasına da yardımcı olmaktadır. Ağ trafiğinin sınıflandırmada, port tabanlı ve yük tabanlı sınıflandırma işlemlerinin şifreli ağlarda yetersiz kalması nedeniyle makine öğrenmesi algoritmaları sıklıkla kullanılmaktadır. Bu çalışmada, Darknet kategorisinde birleştirilen VPN ve Tor ağ trafiği Gradyan Artırma Algoritması ile sınıflandırılmıştır. Veri setinin %70’i eğitim, %30’u test için ayrılmıştır. Eğitim setinde 10 kat çapraz doğrulama uygulanmıştır. 8 farklı kategoride ağ akışları: Ses Akışı, Tarama, Sohbet, E-posta, P2P, Dosya Aktarımı, Video Akışı ve VOIP %99,8 doğrulukla sınıflandırıldı. Önerilen yöntem, karanlık ağdan ağ analizi sürecini otomatikleştirmiştir. Kuruluşların önemli verilerini kısa sürede yüksek doğrulukla korumasını sağlamaktadır.
dc.identifier.dergipark1117634
dc.identifier.doi10.29137/umagd.1117634
dc.identifier.issn1308-5514
dc.identifier.issue2-794
dc.identifier.startpage798
dc.identifier.urihttps://dergipark.org.tr/tr/download/article-file/2431954
dc.identifier.urihttps://dergipark.org.tr/tr/pub/umagd/issue/71387/1117634
dc.identifier.urihttps://doi.org/10.29137/umagd.1117634
dc.identifier.urihttps://hdl.handle.net/20.500.12587/19823
dc.identifier.volume1
dc.language.isoen
dc.publisherKırıkkale Üniversitesi
dc.relation.ispartofUluslararası Mühendislik Araştırma ve Geliştirme Dergisi
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_20241229
dc.subjectNetwork flows
dc.subjectweb traffic
dc.subjectdarknet
dc.subjectgradient boosting
dc.subjectclassification
dc.subjectAğ akışları
dc.subjectweb trafiği
dc.subjectkaranlık ağ
dc.subjectgradyan artırma
dc.subjectsınıflandırma
dc.subjectEngineering
dc.titleDarknet Web Traffic Classification via Gradient Boosting Algorithm
dc.title.alternativeGradyan Artırma Algoritması ile Karanlık Ağ Web Trafiği Sınıflandırması
dc.typeArticle

Dosyalar

Koleksiyon

Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi
TR-Dizin İndeksli Yayınlar Koleksiyonu