fa ارایه روشی آماری جهت دسته‌بندی جریان های ترافیکی اسکایپ تخصصي Special پژوهشي Research <strong>چکیده: </strong>اسکایپ&nbsp; یکی از قدرتمندترین و با کیفیت ترین ابزارهای چت است که به کاربرانش اجازه می دهد از سرویس های متعددی مانند: انتقال صدا روی پروتکل اینترنت، ارسال پیام فوری، انتقال و اشتراک گذاری فایل، ویدیو کنفرانس&nbsp; و پیام صوتی به صورت رایگان بهره ببرند<span dir="LTR">.</span> اسکایپ به دلیل ارایه سرویس هایی با کیفیت بالا و هزینه کم، همچنین به دلیل حفظ امنیت کاربران از شهرت و محبوبیت بالایی برخوردار است. به طوری که ترافیک های اسکایپ حجم زیادی از ترافیک های اینترنت&nbsp; را به خود اختصاص داده است. از این رو مراکز ارایه دهنده خدمات اینترنتی به منظور اعمال کیفیت سرویس و مدیریت شبکه نیاز به شناسایی ترافیک ها دارند. از طرف دیگر توسعه دهنده گان اسکایپ به دلیل حفظ امنیت کاربران اقدام به رمز نگاری ترافیک اسکایپ نموده اند به طوری که با استفاده از روش های قدیمی مبتنی بر پورت و بازرسی عمیق بسته ها نمی توان ترافیک اولیه اسکایپ را شناسایی نمود. در نتیجه برای شناسایی این نوع ترافیک ها از روش های آماری بهره می بریم. از این رو در این پژوهش از روش های یادگیر ماشین بدون نظارت که یک روش آماری است استفاده می کنیم که ترافیک سرویس های مختلف اسکایپ را از هم تفکیک کنیم. الگوریتم های مورد استفاده در این کار <span dir="LTR">K-Means,</span> <span dir="LTR">EM</span> و <span dir="LTR">Density based</span> است. نتایج نشان می دهد که الگوریتم <span dir="LTR">EM</span> کارایی بهتری به نسبت سایر الگوریتم ها دارد. همچنین با مقایسه راهکار پیشنهادی خود با کارهای پیشین نتایج حاکی از آن است الگوریتم ها جریان دانلود را&nbsp; بهتر از سایر جریان ها شناسایی می کنند. Abstract- Skype is one of the most powerful and high-quality chat tools that allows its users to use of many services such as: transferring audio, sending messages, video conferencing and audio for free. Skype traffic has a lot of Internet traffic. Hence, Internet service providers need to identify traffic to do the quality of service and network management. On the other hand, Skype developers have been attempting to encrypt Skype traffic because traditional methods like port-based and deep packet inspection can not identify Skype traffic. As a result, we use statistical methods to identify these types of traffic. Hence, in this study, we use unsupervised machine learning methods, which is a statistical method, to separate the various services of Skype. The algorithms used in this work are K-Means, EM and Density-based. The results show that the EM algorithm has better performance than other algorithms. Also, by comparing the proposed strategy with previous work, results indicate that algorithms detect traffic better than other ترافیک اینترنت, اسکایپ, شناسایی جریان های رمز شده, الگوریتم های خوشه بندی internet traffic, Skype, identify encrypted flow, clustering algorithms 97 113 http://jhrmfs.khu.ac.ir/browse.php?a_code=A-10-143-1&slc_lang=fa&sid=1 nasrin batmani نسرین باتمانی batmani.nasrin66@gmail.com 1003194753284600690 1003194753284600690 Yes دانشگاه آزاد اسلامی، کرمانشاه Nooruddin Parandin نورالدین پرندین n_parandin@yahoo.com 1003194753284600691 1003194753284600691 No دانشگاه آزاد اسلامی، کرمانشاه