Application Traffic Classification through Non-Encrypted Data Learning

인터넷의 성장과 더불어 다양한 응용 트래픽이 등장하고 정보보호의 중요성이 점점 더 강조되고 있다. 이에 따라 암호화 통신의 사용이 증가하고 있으며, 이러한 환경에서 효과적인 네트워크 트래픽 분류의 필요성이 커지고 있다. 그러나 기존의 전통적인 네트워크 트래픽 분류 기법은 암호화된 데이터나 복잡한 패턴을 다루는데 한계를 보였고 이를 극복하기 위해 딥러닝 기반의 새로운 분류 방법이 등장하였다. 하지만 딥러닝 기반 분류 방법 역시 암호화된 데이터나 노이즈가 많은 환경에서는 낮은 성능을 보인다는 문제점이 있다. 따라서 본 논문에서는 이에 대응하기 위해, TLS 헤더 값을 기준으로 트래픽 데이터를 암호화 여부에 따라 구분하고, 암호화되지 않은 데이터만을 딥러닝 모델의 학습 데이터로 사용하는 방법론을 제안한다. 제안한 방법론을 적용하여 실험을 진행하였으며 일반적인 전처리 방법보다 평균 9%p 높은 정확도를 보였다.