Влияние сетевого окружения на классификацию трафика
The Effect of Network Environment on Traffic Classification
2022-11-17
SCID: 54.1/kfwh5skq
Discuss with AI
набор данных о трафике приложенийидентификация мобильных приложенийобобщение моделисетевая средаклассификация сетевого трафика
Figures from the paper
Abstract (AI)
Одной из проблем классификации сетевого трафика и идентификации мобильных приложений является обобщающая способность модели. Точность и эффективность моделей классификации в значительной степени зависят от сетевого окружения и поведения пользователей. Изменение параметров сетевого окружения, таких как тип мобильного устройства или версия приложения, может снизить точность обученной модели классификации. В данной работе мы исследуем, как различные сетевые окружения могут влиять на эффективность модели классификации. Для этого мы собрали набор данных о 60 популярных приложениях в Иране, используя различные сетевые окружения.
Key Findings
1
Изменение сетевых параметров, включая тип мобильного устройства или версию приложения, может снижать точность обученной модели классификации.
2
Модели классификации сетевого трафика и идентификации мобильных приложений сталкиваются с проблемой обобщения на разные сетевые среды.
3
Авторы собрали набор данных, охватывающий 60 популярных приложений в Иране и различные сетевые среды.
4
В исследовании изучается влияние различий сетевой среды на эффективность моделей классификации.
Research Object
модели классификации сетевого трафика в различных сетевых средах
Research Subject
влияние изменений сетевой среды, включая тип мобильного устройства и версию приложения, на точность, эффективность и обобщающую способность модели классификации
Publication Details
Publication Date
2022-11-17
Journal
Publisher
ISSN
Cited by
4
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai4
Классификация трафика со сквозным шифрованием с использованием одномерных сверточных нейронных сетей2017
Глубокое обучение для классификации зашифрованного трафика: обзор2019
FlowPrint: полууправляемая идентификация мобильных приложений по зашифрованному сетевому трафику2020
Обзор методов классификации зашифрованного трафика мобильных сервисов с использованием глубокого обучения2019