Интерпретируемое конструирование признаков для устойчивой классификации трафика мобильных приложений
Interpretable Feature Engineering for Robust Mobile Application Traffic Classification
2026-01-01
SCID: 54.1/agvhmfmq
Discuss with AI
MING-ITC-2024метаданные TLS/QUICXGBoostклассификация зашифрованного мобильного трафикаинтерпретируемая разработка признаков
Figures from the paper
Abstract (AI)
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.
Key Findings
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.
Research Object
Зашифрованный сетевой трафик мобильных приложений
Research Subject
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
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest