探索用于自动化协议分析的无监督学习方法
机器学习
2021-11-18 v1 网络与互联网体系结构
摘要
分析和区分网络协议流量的能力对于电信运营商提供差异化服务的网络资源管理至关重要。自动化协议分析（APA）对于显著提高效率并减少对人类专家的依赖至关重要。APA中存在众多最先进的用于聚类未知协议的无监督方法。然而，许多此类方法尚未使用多样化测试数据集进行充分探索，因此未能展示其泛化鲁棒性。本研究提出了一个综合框架，用于评估APA中特征提取与聚类方法的各种组合。它还提出了一种自动化选择依赖于数据集的特征提取模型参数的新方法，从而改善了性能。一种新颖的基于字段的分词方法的有希望结果也促使我们提出一种用于APA中未知协议特征提取与聚类的新型自动化混合方法。我们提出的混合方法在9个多样化测试数据集中的7个上表现最佳，从而展示了对多样化未知协议的泛化鲁棒性。它在所有测试数据集中也优于最先进的开源APA工具NETZOB中的无监督聚类技术。
引用
@article{arxiv.2111.09061,
title = {Exploring Unsupervised Learning Methods for Automated Protocol Analysis},
author = {Arijit Dasgupta and Yi-Xue Yan and Clarence Ong and Jenn-Yue Teo and Chia-Wei Lim},
journal= {arXiv preprint arXiv:2111.09061},
year = {2021}
}
备注
Accepted to the IEEE Symposium Series on Computational Intelligence (IEEE SSCI 2021)