通过高级数据增强技术提升加密互联网流量分类
机器学习
2024-07-24 v1
摘要
在线服务的日益普及使互联网流量分类成为一个关键研究领域。然而，快速发展的互联网协议和加密技术限制了可用数据的获取。本文针对加密互联网流量分类的挑战，重点关注开源数据集的稀缺以及现有数据集的局限性。我们提出了两种数据增强（DA）技术，用于基于真实样本的人工合成生成数据：平均增强和MTU增强。这两种增强技术分别从不同角度旨在提高分类器的性能：平均增强旨在通过生成新的合成样本来增加数据集的规模，而MTU增强则旨在提高分类器对不同最大传输单元（MTU）的鲁棒性。我们在两个著名的学术数据集和一个商业数据集上进行实验，证明了这些方法在提高模型性能方面的有效性，并缓解了受限和单一数据集的约束。我们的发现凸显了数据增强在应对现代互联网流量分类挑战方面的潜力。 Specifically, we show that our augmentation techniques significantly enhance encrypted traffic classification models. This improvement can positively impact user Quality of Experience (QoE) by more accurately classifying traffic as video streaming (e.g., YouTube) or chat (e.g., Google Chat). Additionally, it can enhance Quality of Service (QoS) for file downloading activities (e.g., Google Docs).
引用
@article{arxiv.2407.16539,
title = {Enhancing Encrypted Internet Traffic Classification Through Advanced Data Augmentation Techniques},
author = {Yehonatan Zion and Porat Aharon and Ran Dubin and Amit Dvir and Chen Hajaj},
journal= {arXiv preprint arXiv:2407.16539},
year = {2024}
}