Skip navigation
Please use this identifier to cite or link to this item: https://repository.esi-sba.dz/jspui/handle/123456789/63
Full metadata record
DC FieldValueLanguage
dc.contributor.authorLAHOUAZI, CHamel DJamel EDdine-
dc.contributor.authorAISSAT, ABdellah-
dc.date.accessioned2022-03-29T09:37:06Z-
dc.date.available2022-03-29T09:37:06Z-
dc.date.issued2020-
dc.identifier.urihttps://repository.esi-sba.dz/jspui/handle/123456789/63-
dc.descriptionDr. Alaa Eddine Belfedhal superviséen_US
dc.description.abstractNetwork traffic classification has been studied for two decades and extended across a wide variety of systems from QoS and ISPs classification systems to firewalls and intrusion detection. In the past, Port-based and packet inspection methods were commonly used, however due to substantial changes in internet traffic, especially the increased encryption of data, they were declined due to their lack of precision. Researchers recently tested new techniques for traffic classification and recorded a high degree of accuracy via the application of Machine Learning Techniques including Deep Learning. Our goal is to do a State-of-the-art survey to explain these different methods, their advantages, and what results they have reached.*** La classification du trafic réseau a été étudiée pendant deux décennies et étendue à une grande variété de systèmes, des systèmes de classification QoS et FAI aux pare-feu et à la détection des intrusions. Dans le passé, les méthodes d’inspection basées sur les ports et les paquets étaient couramment utilisées, mais en raison de changements importants dans le trafic Internet, en particulier du cryptage accru des données, elles ont été refusées en raison de leur précision. Les chercheurs ont récemment testé de nouvelles techniques de classification du trafic et enregistré un haut degré de précision via l’application des techniques d’apprentissage automatique et d’apprentissage profond. Notre objectif est de réaliser un état de l’art pour expliquer ces différentes méthodes et leurs avantages, et ce qu’elles ont montré dans ce domaine.en_US
dc.language.isoenen_US
dc.titleNetwork Traffic Classificationen_US
dc.typeThesisen_US
Appears in Collections:Master

Files in This Item:
File Description SizeFormat 
memoire_master_version_final__Copy_.pdf231,41 kBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.