Анализ влияния изменений в зашифрованном трафике мобильных приложений на мультимодальное обучение по малому числу примеров
Analyzing the impact of shifts in encrypted mobile-app traffic on multimodal few-shot learning
2025-12-15
SCID: 54.1/vqdxq2t2
Discuss with AI
Meta Mimeticзашифрованный трафик мобильных приложениймультимодальное обучение по нескольким примерамклассификация трафикасдвиги трафика
Figures from the paper
Abstract (AI)
Управление сетями имеет решающее значение для обеспечения эффективной и безопасной работы Интернета, а классификация трафика является одним из его ключевых компонентов. В настоящее время классификация трафика сталкивается с растущими трудностями из-за широкого распространения высокодинамичного трафика мобильных приложений, обусловленного постоянным выпуском новых приложений, частыми обновлениями, изменением моделей взаимодействия и ужесточением протоколов шифрования. Эти изменения могут существенно трансформировать характеристики трафика, что затрудняет поддержание современных классификаторов трафика на основе машинного и глубокого обучения в актуальном состоянии вследствие острой нехватки современных высококачественных наборов данных о трафике, необходимых для обучения и адаптации таких моделей, управляемых данными. Обучение по малому числу примеров (Few-Shot Learning, FSL) представляет собой перспективное решение, позволяющее выполнять классификацию даже при наличии лишь ограниченного объема размеченных данных о трафике. Однако исследования применения FSL в области классификации трафика все еще находятся на ранней стадии, а влияние изменений трафика в значительной степени остается неизученным. В данной статье мы оцениваем, как трафик новых приложений (не наблюдавшихся при обучении) и приложений с изменившимся трафиком (затронутых изменениями трафика) влияет на эффективность классификации, используя Meta Mimetic — современный мультимодальный подход FSL. Meta Mimetic использует несколько представлений данных о трафике и включает специальную процедуру обучения для адаптации к изменяющемуся трафику мобильных приложений с использованием минимального объема данных, размеченных под контролем. Эксперименты проведены на двух общедоступных наборах данных, включающих новые приложения и приложения с изменившимся трафиком. Сначала мы оцениваем наличие изменений трафика в приложениях с изменившимся трафиком с помощью статистического моделирования на основе марковских моделей и исследуем влияние учета такого трафика на эффективность Meta Mimetic. Затем мы показываем, что Meta Mimetic обладает высокой адаптивностью к изменениям, вызванным ужесточением протоколов шифрования: ухудшение эффективности в 2 раза меньше, чем у одномодальных базовых методов, что дополнительно подтверждается с использованием объяснимого искусственного интеллекта (eXplainable AI, XAI). Наконец, в случае ex...
Key Findings
1
Анализ с использованием объяснимого ИИ дополнительно подтверждает устойчивость Meta Mimetic к сдвигам зашифрованного мобильного трафика.
2
Для выявления и характеристики изменений трафика в приложениях со сдвигами применяется статистическое моделирование на основе марковских моделей.
3
Meta Mimetic хорошо адаптируется к сдвигам, вызванным ужесточением протоколов шифрования, демонстрируя двукратно меньшее падение качества по сравнению с одномодальными базовыми методами.
4
Meta Mimetic объединяет несколько представлений трафика с адаптивной процедурой обучения для классификации изменяющегося трафика приложений при использовании минимального объёма размеченных данных.
5
Исследование оценивает влияние новых, не встречавшихся при обучении приложений, и приложений со сдвигами трафика на классификацию зашифрованного мобильного трафика методом few-shot learning.
Research Object
зашифрованный трафик мобильных приложений, включая трафик новых приложений и приложений с изменившимся трафиком
Research Subject
влияние сдвигов трафика на эффективность и адаптивность мультимодальной классификации трафика в условиях обучения по небольшому числу примеров
Publication Details
Publication Date
2025-12-15
Journal
Publisher
ISSN
Cited by
3
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest