用于网络流量指纹识别的局部敏感哈希
网络与互联网体系结构
2024-02-14 v1 密码学与安全
机器学习
摘要
物联网（IoT）的出现给计算机网络带来了额外的复杂性和困难。由于设计简单，这些设备特别容易受到网络攻击。因此，为了网络管理以及识别任何恶意行为，在网络中识别这些设备至关重要。网络流量指纹识别是识别设备和检测异常的关键技术。目前，用于此目的的主流方法严重依赖机器学习（ML）。然而，机器学习（ML）方法需要特征选择、超参数调整和模型重训练，以获得最佳结果并对网络中检测到的概念漂移具有鲁棒性。在本研究中，我们建议使用局部敏感哈希（LSH）进行网络流量指纹识别，以解决这些困难。我们的研究重点是考察 Nilsimsa LSH 函数的几种设计选项。然后，我们使用该函数为网络数据创建唯一的指纹，从而用于识别设备。我们还将该方法与基于 ML 的流量指纹识别进行了比较，观察到我们的方法将 SOTA 的准确率提高了 12%，在网络中识别设备的准确率达到约 94%。
引用
@article{arxiv.2402.08063,
title = {Locality Sensitive Hashing for Network Traffic Fingerprinting},
author = {Nowfel Mashnoor and Jay Thom and Abdur Rouf and Shamik Sengupta and Batyr Charyyev},
journal= {arXiv preprint arXiv:2402.08063},
year = {2024}
}
备注
Conference Name: 2023 IEEE 29th International Symposium on Local and Metropolitan Area Networks (LANMAN) Date of Conference: 10-11 July 2023