基于置信度的背景网络流量下的应用类型分类
网络与互联网体系结构
2026-02-04 v5
摘要
使用深度学习模型准确地对网络流量的应用类型进行分类最近受到广泛关注。然而，我们发现由于广告、分析、共享 API 和跟踪器等来源的非应用特定的通用背景流量，这些分类器在实际网络流量数据上表现不佳。不幸的是，当前最先进的应用分类器忽略了这些背景流量，仅对相关应用流量进行分类。为解决此问题，使用额外的背景流量类别进行标记和训练会导致应用流量和背景流量之间的额外混淆，后者是异构的，涵盖所有与应用会话无关的流量。为避免将背景流量错误地分类为相关应用类型， 需要可靠的置信度度量，以便对不可信的样本不进行分类。因此，我们设计了基于高斯混合模型的分类框架，通过提高深度学习分类器置信度的指示，实现更可靠的分类。
引用
@article{arxiv.2508.03891,
title = {Confidence Driven Classification of Application Types in the Presence of Background Network Traffic},
author = {Eun Hun Choi and Jasleen Kaur and Vladas Pipiras and Nelson Gomes Rodrigues Antunes and Brendan Massey},
journal= {arXiv preprint arXiv:2508.03891},
year = {2026}
}
备注
Additional clarification; pending submission