Rosetta: обеспечение надежной классификации зашифрованного TLS-трафика в различных сетевых средах с помощью аугментации трафика с учетом TCP
Rosetta: Enabling Robust TLS Encrypted Traffic Classification in Diverse Network Environments with TCP-Aware Traffic Augmentation
2023-07-28
SCID: 54.1/pm4bxrnt
Discuss with AI
аугментация трафика с учетом TCPклассификация зашифрованного TLS-трафикамодели глубокого обученияустойчивые признаки TLS-потоковсамоконтролируемое обучение
Figures from the paper
Abstract (AI)
Поскольку большая часть интернет-трафика шифруется протоколом Transport Layer Security (TLS), в современных исследованиях для классификации зашифрованного трафика применяются модели глубокого обучения (DL). Мы предлагаем Rosetta для обеспечения надежной классификации зашифрованного TLS-трафика с использованием существующих моделей DL. Метод использует механизмы аугментации трафика с учетом особенностей TCP и самоконтролируемое обучение для выявления неявной семантики TCP и, таким образом, извлечения устойчивых признаков потоков TLS. Результаты масштабных экспериментов показывают, что Rosetta значительно повышает качество классификации TLS-трафика существующими моделями DL в различных сетевых средах.
Key Findings
1
Масштабные эксперименты показывают значительное повышение качества классификации существующих моделей глубокого обучения при работе с TLS-трафиком.
2
Rosetta повышает устойчивость существующих моделей глубокого обучения для классификации TLS-зашифрованного трафика в различных сетевых средах.
3
Rosetta применяет самосупервизорное обучение для получения устойчивых представлений зашифрованного TLS-трафика без опоры исключительно на размеченные данные.
4
Метод использует аугментацию трафика с учетом TCP, чтобы раскрыть неявную семантику TCP и улучшить извлечение признаков TLS-потоков.
Research Object
Зашифрованный TLS сетевой трафик (TLS-потоки) в различных сетевых средах
Research Subject
Устойчивое распознавание и извлечение признаков TLS-потоков в различных сетевых средах
Publication Details
Publication Date
2023-07-28
Journal
Publisher
ISSN
Cited by
84
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest