Clasificación del tráfico de red mediante técnicas de aprendizaje automático en Redes Definidas por Software

Abstract

En el contexto actual, la clasificación precisa de aplicaciones en el tráfico de red representa un desafío significativo para garantizar el funcionamiento óptimo y seguro de las redes. Este proyecto involucró un estudio exhaustivo sobre la clasificación de aplicaciones en el tráfico de red, adoptando un enfoque de granularidad fina en el conjunto de datos. Se extrajeron flujos de datos utilizando el software CICflowMeter, con dos ajustes de tiempo de espera de flujo diferentes: 120 segundos y 15 segundos. Con el objetivo de lograr una clasificación efectiva, se aplicó la metodología SEMMA y se emplearon cuatro algoritmos de aprendizaje supervisado: Máquina de Vectores de Soporte (Support Vector Machine, SVM), Árbol de Decisión (Decision Tree, DT), Bosque Aleatorio (Random Forest, RF) y K-Vecinos más Cercanos (K-Nearest Neighbors, KNN). Estos algoritmos se utilizaron con dos grupos de características diferentes: uno con 25 características y otro con 15 características.