FlowletFormer：面向流量分类的网络行为语义感知预训练模型
机器学习
2025-08-28 v1
摘要
基于预训练模型的网络流量分类已展现出巨大的潜力，但现有方法在捕获数据包结构特征、流级别行为、层次化协议语义以及跨数据包情境关系方面存在挑战。为此，本文提出FlowletFormer，一种专为网络流量分析设计的基于BERT的预训练模型。FlowletFormer引入了面向连贯行为的流量表示模型，用于将流量划分为语义上有意义的单元，采用基于协议栈对齐的嵌入层以捕获多层协议语义，以及基于字段的情境感知预训练任务，以提升跨数据包和跨流的学习效果。实验结果表明，FlowletFormer在流量表示效果、分类准确率和少样本学习能力方面显著优于现有方法。此外，通过有效整合领域特定的网络知识，FlowletFormer展现出对网络传输原理（如TCP的有状态连接）的更深层理解，为流量分析提供了更稳健可信的框架。
引用
@article{arxiv.2508.19924,
title = {FlowletFormer: Network Behavioral Semantic Aware Pre-training Model for Traffic Classification},
author = {Liming Liu and Ruoyu Li and Qing Li and Meijia Hou and Yong Jiang and Mingwei Xu},
journal= {arXiv preprint arXiv:2508.19924},
year = {2025}
}