FG-SAT: эффективный граф потоков для классификации зашифрованного трафика в условиях сдвига среды
FG-SAT: Efficient Flow Graph for Encrypted Traffic Classification Under Environment Shifts
2025-01-01
SCID: 54.1/4fnmmrvb
Discuss with AI
граф потоковGraphSATдивергенция Йенсена—Шеннонаклассификация зашифрованного трафикасдвиги среды
Figures from the paper
Abstract (AI)
Классификация зашифрованного трафика играет важную роль в обеспечении безопасности сетей и управлении ими. В настоящее время одним из основных решений является выявление глубоких закономерностей в содержимом побочных каналов и полях открытого текста с помощью нейронных сетей. Однако существующие методы имеют два существенных ограничения: (1) они не учитывают критически важную связь между механизмами транспортного уровня и приложениями, упуская возможность изучения признаков внутренней структуры для точной классификации трафика; (2) они предполагают нереалистично стабильную и единственную среду функционирования сетевого трафика, что затрудняет эффективную классификацию реального трафика при сдвигах среды. В данной работе мы предлагаем FG-SAT — первый сквозной метод анализа зашифрованного трафика в условиях сдвига среды. Мы вводим ключевую абстракцию — граф потока (Flow Graph), предназначенную для представления структур внутренних взаимосвязей потока и богатых атрибутов узлов, что обеспечивает устойчивое и обобщаемое представление. Кроме того, для решения проблемы несогласованности распределений данных при сдвигах среды мы предлагаем новый алгоритм отбора признаков на основе расхождения Йенсена—Шеннона (JSD), предназначенный для выбора устойчивых атрибутов узлов. Наконец, мы разрабатываем классификатор GraphSAT, объединяющий Graph-SAGE и GAT для глубокого обучения признаков графа потока, что обеспечивает точную идентификацию зашифрованного трафика. FG-SAT демонстрирует одновременно высокую эффективность и устойчивость классификации при сдвигах среды и превосходит современные методы при обнаружении зашифрованных атак и классификации приложений.
Key Findings
1
Алгоритм выбора признаков на основе расхождения Йенсена—Шеннона отбирает атрибуты узлов, устойчивые к неоднородности распределений данных при изменениях окружения.
2
FG-SAT обеспечивает эффективную и устойчивую классификацию при изменениях окружения и превосходит современные методы обнаружения зашифрованных атак и классификации приложений.
3
FG-SAT представлен как сквозной метод классификации зашифрованного трафика, специально предназначенный для работы при изменениях сетевого окружения.
4
Классификатор GraphSAT объединяет Graph-SAGE и механизмы графового внимания для извлечения признаков Flow Graph и идентификации зашифрованного трафика.
5
Предложенный Flow Graph моделирует внутренние связи между механизмами транспортного уровня и приложениями, включая богатые атрибуты узлов для построения устойчивого представления трафика.
Research Object
зашифрованный сетевой трафик в условиях сдвигов среды
Research Subject
устойчивая и эффективная классификация трафика, включая обнаружение зашифрованных атак и идентификацию приложений, при изменяющихся распределениях данных
Publication Details
Publication Date
2025-01-01
Journal
Publisher
ISSN
Cited by
28
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai9
Использование генеративного искусственного интеллекта для масштабирования интеллектуальных обучающих систем2023
Алгоритм k-means: всесторонний обзор и оценка производительности2020
Классификация трафика со сквозным шифрованием с использованием одномерных сверточных нейронных сетей2017
Глубокое обучение для классификации зашифрованного трафика: обзор2019
ET-BERT: контекстуализированное представление датаграмм с использованием предварительно обученных трансформеров для классификации зашифрованного трафика2022
FS-Net: сеть последовательностей потоков для классификации зашифрованного трафика2019
FlowPrint: полууправляемая идентификация мобильных приложений по зашифрованному сетевому трафику2020
FlowPic: универсальное представление для классификации зашифрованного трафика и идентификации приложений2021
Rosetta: обеспечение надежной классификации зашифрованного TLS-трафика в различных сетевых средах с помощью аугментации трафика с учетом TCP2023