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
Dongqi Han, Baoxu Liu, Zhigang Lü, Susu Cui, Zhiliang Wang, Xueying Han, Bo Jiang, Weihang Wang
2025-01-01

граф потоковGraphSATдивергенция Йенсена—Шеннонаклассификация зашифрованного трафикасдвиги среды
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.
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.

зашифрованный сетевой трафик в условиях сдвигов среды

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
Access Type
Author Information
Authors
Dongqi Han
Baoxu Liu
Zhigang Lü
Susu Cui
Zhiliang Wang
Xueying Han
Bo Jiang
Weihang Wang
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%