ByteSGAN：一种用于绿色通信网络中SDN边缘网关加密流量分类的半监督生成对抗网络
密码学与安全
2021-03-10 v1
摘要
随着绿色通信网络的快速发展，网络流量数据的类型和数量也随之增加。网络流量分类成为网络管理与安全领域中一项重要的研究任务，其不仅有助于改善细粒度网络资源分配，还能实现策略驱动的网络管理。同时，SDN与边缘计算的结合可兼顾SDN全网可视性与边缘计算低时延、良好隐私保护的优势。然而，获取大规模带标签数据集是一项繁琐且耗时的手工劳动。半监督学习是克服该问题的合适技术。基于此，我们提出了一种基于生成对抗网络（GAN）的半监督学习加密流量分类方法，称为\emph{ByteSGAN}，其嵌入于SDN边缘网关中，以细粒度方式实现流量分类目标，进而提升网络资源利用率。ByteSGAN通过以半监督学习方式修改常规GAN判别器网络的结构与损失函数，仅利用少量带标签流量样本与大量无标签样本即可取得良好的流量分类性能。基于公开数据集'ISCX2012 VPN-nonVPN'的两组实验结果表明，ByteSGAN能有效提升流量分类器性能，并优于CNN等其他监督学习方法。
引用
@article{arxiv.2103.05250,
title = {ByteSGAN: A Semi-supervised Generative Adversarial Network for Encrypted Traffic Classification of SDN Edge Gateway in Green Communication Network},
author = {Pan Wang and Zixuan Wang and Feng Ye and Xuejiao Chen},
journal= {arXiv preprint arXiv:2103.05250},
year = {2021}
}