Обогащение трасс сетевого трафика для повышения точности классификации
Enriching Network Traffic Traces for Increasing Classification Accuracy
2025-11-15
SCID: 54.1/qzrvdk7r
Discuss with AI
FlowPicидентификация приложенийклассификация сетевого трафикапоследовательности размеров пакетоваугментация трасс трафика
Figures from the paper
Abstract (AI)
Поставщики интернет-услуг часто определяют тип приложения, например потоковое видео или видеоконференцсвязь, по трассе сетевого трафика в целях обеспечения безопасности и управления трафиком. Для такой идентификации было предложено несколько методов классификации трафика, в которых применяются методы машинного обучения к информации о временных метках и размерах пакетов в трассах трафика. Однако точность классификации снижается, когда методы машинного обучения обучаются на трассах, не отражающих разнообразие характеристик конечных точек и нижележащих сетей. В данной работе мы сравниваем ряд методов аугментации, предназначенных для смягчения этой проблемы, и оцениваем их эффективность при систематическом изменении отдельных характеристик конечных точек и нижележащих сетей. Мы обнаружили, что метод классификации трафика Rosetta, использующий последовательности размеров пакетов, получает значительно больше преимуществ от современных методов аугментации, чем метод mini-FlowPic, использующий как временные метки, так и размеры пакетов. Мы считаем, что существует острая необходимость в специализированных методах аугментации, обогащающих трассы сетевого трафика и при этом соответствующих поведению реальных пользователей и реальных протоколов.
Key Findings
1
Точность классификации сетевого трафика методами машинного обучения снижается, если обучающие трассы не отражают разнообразие конечных точек и сетевых условий.
2
Метод Rosetta, использующий последовательности размеров пакетов, получает значительно большую пользу от существующих методов аугментации, чем mini-FlowPic, использующий временные метки и размеры пакетов.
3
Результаты указывают на необходимость специализированной аугментации трасс, которая обогащает данные и сохраняет реалистичное поведение пользователей и протоколов.
4
В исследовании сравниваются несколько методов аугментации сетевых трасс при систематическом изменении условий конечных точек и сети.
Research Object
трассы сетевого трафика интернет-приложений при разнообразных условиях на конечных точках и в базовой сети
Research Subject
эффективность методов аугментации трасс сетевого трафика для повышения точности классификации приложений и устойчивости к изменяющимся условиям
Publication Details
Publication Date
2025-11-15
Journal
Publisher
ISSN
Cited by
0
Access Type
Author Information
Download PDF
Subscribe to digest