基于拒绝机制的神经网络流量分类:一种分类 VPN 流量的新方法
网络与互联网体系结构
2021-12-13 v2 机器学习
摘要
本文提出一种新颖的端到端流量分类方法,用于在开放系统互连(OSI)模型的三层上区分包括 VPN 流量在内的流量类别。由于其加密特性,使用传统分类方法对 VPN 流量进行分类并非易事。我们利用两个知名的神经网络,即多层感知机和循环神经网络,构建聚焦于两个度量指标的级联神经网络:类分数与类中心的距离。该方法将提取、选择和分类功能组合为单一的端到端系统,以系统性地学习输入与预测性能之间的非线性关系。因此,我们能够通过拒绝 VPN 类的不相关特征来区分 VPN 流量与非 VPN 流量。同时,我们获取非 VPN 流量的应用类型。该方法使用通用流量数据集 ISCX VPN-nonVPN 和一个采集的数据集进行评估。结果证明了该框架方法在加密流量分类中的有效性,同时达到了 95% 的极高准确率,高于最先进(state-of-the-art)模型的准确率,并具有强大的泛化能力。
引用
@article{arxiv.2001.03665,
title = {Classification of Traffic Using Neural Networks by Rejecting: a Novel Approach in Classifying VPN Traffic},
author = {Ali Parchekani and Salar Nouri and Vahid Shah-Mansouri and Seyed Pooya Shariatpanahi},
journal= {arXiv preprint arXiv:2001.03665},
year = {2021}
}