用于流量分类的数据增强
机器学习
2024-01-24 v2 网络与互联网体系结构
摘要
数据增强（DA）——通过添加合成样本来丰富训练数据——是一种广泛应用于计算机视觉（CV）和自然语言处理（NLP）任务以提高模型性能的技术。然而，DA 在网络环境中，特别是在流量分类（TC）任务中，难以得到广泛应用。在本工作中，我们通过基准测试应用于 3 个 TC 数据集的 18 种增强函数来填补这一空白，使用数据包时间序列作为输入表示，并考虑了多种训练条件。我们的结果表明：(i) DA 可以获得此前未被探索的益处；(ii) 作用于时间序列顺序和掩码的增强比幅度增强更适合 TC；(iii) 基础模型的潜在空间分析有助于理解增强对分类性能的正/负面影响。
引用
@article{arxiv.2401.10754,
title = {Data Augmentation for Traffic Classification},
author = {Chao Wang and Alessandro Finamore and Pietro Michiardi and Massimo Gallo and Dario Rossi},
journal= {arXiv preprint arXiv:2401.10754},
year = {2024}
}
备注
to appear at Passive and Active Measurements (PAM), 2024