Визуализация маршрутов трафика: классификация зашифрованного трафика с использованием признаков сигнатур маршрута

Seeing Traffic Paths: Encrypted Traffic Classification With Path Signature Features
Shijie Xu, Guanggang Geng, Xiaobo Jin, Dongjie Liu, Jian Weng
2022-01-01

трафик QUIC и HTTPSклассификация зашифрованного трафикамногомасштабная сигнатура путипризнаки сигнатуры путипоследовательность длин пакетов сеанса
Хотя для защиты конфиденциальности пользователей разработано множество методов защиты сетевого трафика, зашифрованный трафик по-прежнему может раскрывать конфиденциальную информацию о пользователях при использовании сложного анализа. В данной работе предлагается ETC-PS — новый метод классификации зашифрованного трафика на основе сигнатур маршрута. Сначала на основе последовательности длин пакетов сеанса строится маршрут трафика, представляющий взаимодействия между клиентом и сервером. Затем выполняются преобразования маршрута, позволяющие выявить его структуру и извлечь различную информацию. Наконец, вычисляется многомасштабная сигнатура маршрута, используемая в качестве отличительного признака для обучения традиционного классификатора машинного обучения; это обеспечивает высокую устойчивость точности при низких затратах на обучение. Для проверки эффективности ETC-PS используются шесть общедоступных наборов данных, охватывающих различные типы трафика: HTTPS/1, HTTPS/2, QUIC, VPN, не-VPN, Tor и не-Tor; проводятся оценки в сценариях замкнутого и открытого мира. Экспериментальные результаты показывают, что ETC-PS превосходит современные методы по точности, F1-мере, временной сложности и стабильности.
1
ETC-PS классифицирует зашифрованный трафик, представляя взаимодействия клиента и сервера в виде путей из последовательностей длин пакетных сессий.
2
ETC-PS превосходит современные методы по точности, F1-мере, временной сложности и стабильности.
3
Оценка проведена на шести общедоступных наборах данных, охватывающих HTTPS/1, HTTPS/2, QUIC, VPN, не-VPN, Tor и не-Tor, в закрытом и открытом сценариях.
4
Преобразования путей раскрывают структуру трафика, а многомасштабные сигнатуры путей формируют отличительные признаки для традиционных классификаторов машинного обучения.
5
Метод обеспечивает высокую устойчивость точности классификации при низких накладных расходах на обучение.

зашифрованный сетевой трафик различных протоколов и сетевых сред

точность и устойчивость классификации трафика на основе признаков сигнатуры пути, полученных из последовательностей длин пакетов взаимодействия клиент–сервер

Publication Details
Publication Date
2022-01-01
Journal
Publisher
ISSN
Cited by
111
Access Type
Author Information
Authors
Shijie Xu
Guanggang Geng
Xiaobo Jin
Dongjie Liu
Jian Weng
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%