Jun, 2024

非均匀性即所需：使用 ECHO 高效及时的加密流量分类

PDF
TL;DR使用 ECHO 方法，通过非均匀二进制映射优化以及早期分类的技术，能够更高效地对互联网流量进行加密流量分类，从而实现显著的分类效率提升。
internet trafficencrypted traffic classificationechohyperparameter optimization of binningsearly classification of traffic
发现论文，激发创造
  • 倾听少数族裔：用对比式预训练进行不平衡类别的加密流量分类

    提出了一种新型的预训练半监督加密流量分类框架（PASS），通过重采样原始训练数据集、对相似流量样本进行对比预训练和结合伪标签迭代和动态损失加权算法的半监督优化策略，以解决流量类别不平衡和流量同质性等问题，在四个公开数据集上表现出色，显著提升了 Cross-Platform215 和 ISCX-17 的分类性能。同时验证了 PASS 中对比预训练和伪标签迭代组件的普适性，可以适应不同特征提取器的加密流量分类方法。

    Aug, 2023

  • AutoML4ETC：用于现实世界加密流量分类的自动神经架构搜索

    AutoML4ETC 是一个自动设计用于加密流量分类的高效和高性能神经架构的新工具，通过在数据包头字节使用不同的搜索策略，它能够在多个数据集上优于现有的加密流量分类器，并且在参数数量方面更加高效和轻量化。

    Aug, 2023

  • 加密流量分类的深度学习：概述

    介绍了一个基于深度学习的 Traffic Classification 框架，讨论了常见的深度学习方法及其在 Traffic Classification 任务中的应用，探讨并解决了深度学习方法中的开放性问题和挑战。

    Oct, 2018

  • 深度包：一种使用深度学习进行加密流量分类的新方法

    本文提出了一种基于深度学习的网络流量分类方法 Deep Packet，通过嵌入堆叠自编码器和卷积神经网络将特征提取和分类融合为一体，能够识别加密和 VPN 网络流量，并取得了 95% 以上的分类准确率。

    Sep, 2017

  • 使用预训练的 Transformer 生成上下文感知的数据报文表示，用于加密流量分类：ET-BERT

    本文提出了一种新颖的流量表示模型称为 ET-BERT，该模型在大规模未标记的数据上对 Deep contextualized datagram-level 进行预训练，然后在少量特定任务的有标签数据上进行微调，取得了在五个加密流量分类任务上的最新成果，尤其是在 ISCX-Tor 任务上的 99.2％的 F1 分数所达到的显着的提高是本文的重点，作者解释了预训练模型的强力原因，并分析了加密流量之间边界的分类能力，为未来的研究和应用提供了新的思路。

    Feb, 2022

  • 数据回声加速神经网络训练

    本文介绍了一种名为‘数据回声’的技术，通过重复使用较早阶段的中间输出，以减少早期训练管道阶段的计算总量，以加速神经网络模型的训练。此方法可以达到与传统模型预测表现预测性能相当，但使用更少的上游计算量。

    Jul, 2019

  • 一个训练实现两个任务的框架：使用监督对比学习的加密流量分类

    在本文中，我们提出了一种名为对比学习增强时域融合编码器（CLE-TFE）的有效模型，通过使用监督对比学习增强数据包级别和流级别的表示，并对字节级流量图进行图数据增强，以捕捉字节之间的细粒度语义无关特性。我们还提出了跨级多任务学习，使用同一模型在一个训练中同时完成数据包级别和流级别的分类任务。进一步的实验表明，CLE-TFE 在两个任务上实现了最好的整体性能，而其计算开销（即浮点运算次数，FLOPs）仅为预训练模型（例如 ET-BERT）的 1/14。我们在此 https URL 上发布了代码。

    Feb, 2024

  • 基于物理信道记录的 5G NSA 加密数据流实时流量分类

    本文研究使用物理信道记录进行 5G 非独立组网 (NSA) 应用层加密流量的实时分类。通过测试多种机器学习模型，提出了一种基于 LGBM 的解决方案，实验表明该算法可以在 10ms 内实现 95％的准确率。

    Jul, 2023

  • PacketCGAN：使用 CGAN 探索加密流量分类的类别不平衡问题的研究

    本文提出了一种基于条件生成对抗网络（PacketCGAN）的通信数据增强方法，用于处理加密流量分类问题中不同加密应用程序数据不平衡的问题。实验证明，相对于其他数据扩充方法，基于 PacketCGAN 数据集的深度学习加密流量分类器胜过其他方法。

    Nov, 2019

  • 滞后数据管道的随机优化

    该研究文章提出了一种名为 “数据回响” 的新优化方法，通过在等待新数据到达的同时在同一批次上重复梯度步骤来克服大规模并行管道中的性能瓶颈。而且，该方法在凸优化中的随机小批量优化以及在其他正在被大规模并行化的领域中得到了证明，展现出明显的加速和优越性能。

    Oct, 2020