恶意流量分类：算法评估与自动化真值生成流水线
密码学与安全
2020-11-10 v2 机器学习
摘要
识别加密网络流量流中的威胁具有独特的挑战性。一方面，由于现代加密算法，简单地解密流量极其困难。另一方面，将此类加密流通过模式匹配算法是无用的，因为加密确保了其中不存在任何模式。此外，由于缺乏带标签的良性与恶意软件数据集，评估此类模型也很困难。其他方法试图通过利用从流中收集的可见元数据来应对该问题。我们尝试通过将这些可见元数据扩展到一个半监督恶意软件分类流水线来增强该方法。为此，我们探索并测试了不同类型的聚类方法，这些方法利用了从该可见元数据中提取的独特且多样的特征集。我们还提出了一个自动化数据包数据标注流水线，以生成真值数据，其可作为评估上述分类器（特别是）或一般而言任何其他检测模型的基础基线。
引用
@article{arxiv.2010.11627,
title = {Malware Traffic Classification: Evaluation of Algorithms and an Automated Ground-truth Generation Pipeline},
author = {Syed Muhammad Kumail Raza and Juan Caballero},
journal= {arXiv preprint arXiv:2010.11627},
year = {2020}
}
备注
Submission to arxiv was not authorized by one of the authors. They request removal of the document. Suspected plagiarised work without proper acknowledgement