Modèles d’apprentissage automatique supervisé pour l’identification du trafic du darknet

Abstract

Le darknet fait référence à un réseau caché d'ordinateurs qui opère sur Internet et qui n'est pas accessible via les navigateurs web traditionnels. Ce réseau est souvent utilisé pour des activités illégales, telles que la vente de drogues, d'armes et de matériel pédopornographique. L'identification du trafic du darknet est une tâche importante pour les forces de l'ordre et les agences de sécurité, car elle peut aider à perturber ces activités illégales. L'apprentissage automatique supervisé est une branche de l'apprentissage automatique qui utilise des algorithmes pour apprendre à partir d'exemples étiquetés. Dans le contexte de l'identification du trafic du darknet, les exemples étiquetés peuvent être des paquets réseau ou des flux de trafic étiquetés comme étant légitimes ou illégaux. Les algorithmes d'apprentissage automatique supervisé peuvent ensuite être utilisés pour apprendre à identifier de nouveaux paquets ou flux de trafic comme étant légitimes ou illégaux. Les modèles d'apprentissage automatique supervisé sont un outil prometteur pour l'identification du trafic du darknet. Cependant, il existe un certain nombre de défis qui doivent être résolus avant que ces modèles puissent être déployés à grande échelle.