مصطفی بستام

این پایان‌نامه به بررسی روش‌های شناسایی ترافیک شبکه‌های کامپیوتری با استفاده از تکنیک‌های یادگیری ماشین پرداخته است. هدف اصلی، توسعه یک مدل کارآمد برای شناسایی و طبقه‌بندی دقیق انواع ترافیک شبکه، به‌ویژه ترافیک رمزنگاری شده است. در این پژوهش، علاوه بر استفاده از مدل‌های یادگیری ماشین، از یادگیری عمیق و به‌ویژه مدل ResNet50v2 استفاده شده است که توانایی بالایی در شناسایی الگوهای پیچیده ترافیک از داده‌های حجیم دارد. یافته‌های پژوهش نشان می‌دهد که استفاده از مدل ResNet50v2 می‌تواند به‌طور قابل توجهی دقت و کارایی در شناسایی و طبقه‌بندی ترافیک شبکه را افزایش دهد. این مدل به دلیل ساختار لایه‌ای عمیق و توانایی در استخراج ویژگی‌های مهم، در شناسایی ترافیک‌های مختلف، از جمله ترافیک‌های مخرب، بسیار کارآمد است. این امر به بهبود امنیت شبکه و جلوگیری از حملات سایبری کمک می‌کند و نشان می‌دهد که روش‌های پیشرفته یادگیری عمیق می‌توانند ابزارهای مؤثری برای مدیریت ترافیک شبکه‌های مدرن باشند.