traffic classification | BriefGPT

关键词traffic classification

搜索结果 - 10

网络流量分析的通用多模式表示学习
网络流量分析是网络管理、故障排除和安全性的基础。本文提出了一种基于多模态自动编码器（MAE）的深度学习（DL）体系结构，用于解决不同的流量分析任务，其中包括流量分类（TC）任务。研究结果表明，MAE 体系结构在 TC 任务中能够与现有解决方
PDF2 months ago
FedAuxHMTL：网络边缘流量分类的联邦辅助硬参数共享多任务学习
该文介绍了一种新的联邦辅助硬参数共享多任务学习框架，名为 FedAuxHMTL，通过在边缘服务器和基站之间进行模型参数交换，使分布区域的基站参与到 FedAuxHMTL 过程中，并提升主任务 - 网络边缘流量分类的学习性能。通过实证实验证明
PDF3 months ago
交通分类的数据增强
数据增强（DA）在计算机视觉（CV）和自然语言处理（NLP）领域被广泛采用以提高模型性能，然而在网络环境中，尤其是在流量分类（TC）任务中，数据增强一直存在问题。本文通过对 3 个 TC 数据集使用数据包时间序列作为输入表示，并考虑多种训练
PDF5 months ago
探索适用于交通分类的生成式数据增强方法
该研究论文主要讨论在网络使用情况下，包括流量分类领域尚未推广的数据增强技术对性能的改进，通过研究 14 种手工制作的数据增强方法在 MIRAGE19 数据集上的初步研究结果显示，数据增强可以在流量分类方面带来未被发掘的好处，从而促进了自动化
PDF8 months ago
使用 Flowpic 输入表示对交通分类进行对比学习和数据增强
在过去的几年中，由于深度学习的兴起，交通分类（TC）引起了人们持续的兴趣。然而，绝大多数 TC 文献缺乏代码实现、跨数据集的性能评估以及与机器学习（ML）方法的参考比较。在这篇论文中，我们在多个数据集上再现了一个采用最近的 DL 方法的研究
PDF10 months ago
多还是少的样本？比较加密流量分类中的迁移、对比和元学习
研究了在流量分类领域中，如何通过使用代表性更强的表示来减少对大规模标注数据集的依赖性，通过比较迁移学习、元学习和对比学习，发现对比学习是最佳方法，而元学习最差，树状机器学习模型对于小任务适用，而深度学习方法正在通过复用学习表示达到与树状模型
PDFa year ago
NetGPT：面向网络流量的生成式预训练 Transformer
本文提出了一种用于网络流量理解和生成任务的生成预训练模型，优化了适应预训练模型到多样化任务的效果，并在一系列流量理解和生成任务中展现了其显著的有效性，显著优于现有技术方案。
PDFa year ago
WWW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
PDF2 years ago
IJCAI异构数据感知联邦学习
本研究提出一种新方法来解决联邦学习中的问题，并在本文所述的公开基准数据集（如 Femnist）以及自己收集的数据集（即流量分类）上验证了该方法的有效性，结果表明这种方法在极端情况下具有显著的优势。
PDF4 years ago
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。
PDF6 years ago