Интерпретируемое конструирование признаков для устойчивой классификации трафика мобильных приложений

Interpretable Feature Engineering for Robust Mobile Application Traffic Classification
Abolghasem Rezaei Khesal, Mehdi Teimouri
2026-01-01

MING-ITC-2024метаданные TLS/QUICXGBoostклассификация зашифрованного мобильного трафикаинтерпретируемая разработка признаков
Зашифрованный мобильный трафик создает проблемы для традиционных методов классификации, требуя интерпретируемых признаков, обобщаемых в различных средах. Мы вводим 263 признака, сконструированных вручную на основе метаданных TLS/QUIC, динамики последовательностей TCP, структур всплесков внутри потоков и шаблонов первых байтов UDP, чтобы выявлять семантику приложений без анализа полезной нагрузки. При использовании XGBoost на наборах данных ITC-2022 (контролируемый, одно приложение) и новом MING-ITC-2024 (несколько приложений, межрегиональный охват) предложенные признаки обеспечивают показатели F1 96–97% при внутридатасетной классификации, превосходя традиционные статистики потоков, AppScanner и Flowprint. Междатасетные испытания показывают, что, хотя поведенческие признаки демонстрируют высокую эффективность при валидации, компактный набор признаков сервера (IP-адрес, порт, подсеть) отличается более высокой устойчивостью, что подчеркивает важность стабильных инфраструктурных сигналов для практического развертывания.
1
Компактный набор серверных признаков, включающий IP-адрес, порт и подсеть, обеспечивает более высокую устойчивость между средами, подчеркивая значение стабильных инфраструктурных сигналов для внедрения.
2
Межнаборное тестирование показывает, что поведенческие признаки хорошо работают при валидации, но хуже обобщаются между средами.
3
Предложены 263 интерпретируемых признака ручной разработки на основе метаданных TLS/QUIC, динамики TCP, структуры всплесков и первых байтов UDP без анализа содержимого.
4
XGBoost достигает 96–97% F1 внутри наборов ITC-2022 и MING-ITC-2024, превосходя традиционные статистики потоков, AppScanner и Flowprint.

Зашифрованный сетевой трафик мобильных приложений

Интерпретируемые признаки и устойчивость их классификации в разных условиях, включая сравнительную ценность поведенческих признаков и стабильных серверных сигналов

Publication Details
Publication Date
2026-01-01
Journal
Publisher
ISSN
Cited by
1
Access Type
Author Information
Authors
Abolghasem Rezaei Khesal
Mehdi Teimouri
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%