基于不确定性量化的可扩展机器学习加密网络流量应用标注
密码学与安全
2023-10-10 v3 机器学习
摘要
随着加密网络流量的日益普及，网络安全分析师已转向机器学习（ML）技术来阐明其网络上的流量。然而，随着超出训练集分布的新流量出现，ML 模型可能变得过时。为了在这种动态环境中可靠地适应，ML 模型必须额外为其预测提供上下文化的不确定性量化，这在网络安全领域很少受到关注。不确定性量化既是必要的，以在模型对其标签分配中应选择哪个类不确定时发出信号，也在流量可能不属于任何预训练类时发出信号。我们提出了一个新的公共网络流量数据集，其中包含由 10 个应用程序生成并对应于 5 个应用类别的标记虚拟专用网络（VPN）加密网络流量。我们还提出了一个 ML 框架，旨在以适度数据需求快速训练，并提供校准的预测概率以及可解释的“分布外”（OOD）分数以标记新颖流量样本。我们描述了使用相对马哈拉诺比斯距离的 p 值来校准 OOD 分数。我们证明我们的框架在我们的数据集上实现了 0.98 的 F1 分数，并且它可以通过测试模型扩展到企业网络：（1）在类似应用的数据上，（2）在来自现有类别的不同应用流量上，以及（3）来自新类别的应用流量上。该模型正确标记不确定流量，并且在重新训练后准确合并新数据。
引用
@article{arxiv.2205.05628,
title = {Extensible Machine Learning for Encrypted Network Traffic Application Labeling via Uncertainty Quantification},
author = {Steven Jorgensen and John Holodnak and Jensen Dempsey and Karla de Souza and Ananditha Raghunath and Vernon Rivet and Noah DeMoes and Andrés Alejos and Allan Wollaber},
journal= {arXiv preprint arXiv:2205.05628},
year = {2023}
}
备注
Paper is 15 pages and has 10 figures. Published in IEEE Transactions on Artificial Intelligence (https://doi.org/10.1109/TAI.2023.3244168). For associated dataset, see https://www.ll.mit.edu/r-d/datasets/vpnnonvpn-network-application-traffic-dataset-vnat