Dark Web Traffic Detection Using Supervised Machine Learning
Notice bibliographique
Résumé
This paper presents a study on the application of supervised machine learning algorithms for the purpose of distinguishing and categorizing Virtual Private Network (VPN) and The Onion Router (TOR) traffic on the dark web. The dark web, characterized by its anonymity and inaccessibility, has become a popular platform for illicit activities such as drug trafficking, money laundering, and cybercrime. While VPNs and TOR can be used for legitimate purposes such as privacy protection and bypassing internet censorship, they can also be exploited by cybercriminals. The CIC-Darknet2020 dataset, which includes a comprehensive collection of network traffic captures from the dark web incorporating traffic features from both VPN and TOR technologies, is used for this study. We employ classification algorithms such as Random Forest, Support Vector Machine, Naive Bayes, and Decision Tree classifiers to construct our model. The performance of the model is evaluated using parameters such as execution time, accuracy, precision, F-measure, and recall, utilizing five-fold and ten-fold cross-validation and 66/34 and 80/20 percentage splits. Our results show that the Decision Tree (J48) classifier outperforms other classifiers, achieving 99.6% accuracy with an execution time of 15 seconds for ten-fold cross-validation. The findings of this study have implications for enhancing cybersecurity measures in identifying and mitigating threats associated with VPN and TOR traffic on the dark web.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».