Быстрое расширение сетевых коммуникаций в сочетании с растущим числом подключенных интеллектуальных устройств и приложений IoT привело к росту неоднородного сетевого трафика. Традиционные методы классификации сетевого трафика, включая методы на основе портов и полезной нагрузки, с трудом справляются с современными зашифрованными и динамическими сетевыми средами. В этом исследовании изучается применение моделей глубокого обучения (DL) для расширенной классификации сетевого трафика, решая такие ключевые проблемы, как идентификация зашифрованного трафика, обработка в реальном времени и масштабируемость

Аль-Имари Б. (науч. рук. Иванов С.Е.) Классификация сетевого трафика с использованием моделей глубокого обучения // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/15396