面向未知：基于对比预训练的开世界加密流量分类
密码学与安全
2023-09-01 v1
摘要
传统的加密流量分类（ETC）方法在开世界假设下对海量加密流量进行分类时面临重大挑战，即同时分类已知应用并检测未知应用。为此，我们提出了一种新颖的开世界对比预训练（OWCP）框架。OWCP 执行对比预训练以获得鲁棒的特征表示。在此基础上，我们确定球形映射空间以寻找每个已知类的边界流，并用其训练 GAN 来合成类似于已知部分但不属于任何类的新流。这些合成流被分配给 Softmax 的未知节点以修改分类器，从而有效增强对已知流的敏感性并显著抑制未知流。在三个数据集上的大量实验表明，OWCP 显著优于现有 ETC 和通用开世界分类方法。此外，我们进行了全面的消融实验与敏感性分析，以验证 OWCP 的各个组成部分。
引用
@article{arxiv.2308.16861,
title = {Facing Unknown: Open-World Encrypted Traffic Classification Based on Contrastive Pre-Training},
author = {Xiang Li and Beibei Feng and Tianning Zang and Shuyuan Zhao and Jingrun Ma},
journal= {arXiv preprint arXiv:2308.16861},
year = {2023}
}
备注
Accepted by 2023 IEEE ISCC, 6 pages, 5 figures