基于流 hypergraph的多视角关联网络流量检测
密码学与安全
2025-01-16 v1
摘要
随着互联网的快速扩张，网络活动的复杂性和多样性正在为有效的网络治理和安全监管带来重大挑战。网络流量作为网络活动的关键数据载体，在此过程中至关重要。网络流量检测旨在监控、分析和评估跨网络传输的数据流，以确保网络安全和优化性能。然而，现有的网络流量检测方法通常存在若干局限：(1)仅从单一视角 characterize 流量特征；(2) insufficient exploration of discriminative features for different traffic；(3) poor generalization to different traffic scenarios. 为解决这些问题，我们提出了名为FlowID的多视角关联框架，用于网络流量检测。FlowID通过时空感知和相互作用 awareness 捕获多视角流量特征，同时通过超图编码器进一步探索流之间的高阶关系。为克服数据不平衡和标签稀缺的挑战，我们设计了双对比代理任务，增强该框架区分不同流量的能力，通过流到流和组到组之间的对比。广泛的实验在五个真实数据集上表明，FlowID在准确率、鲁棒性和跨不同网络情景的泛化能力方面显著优于现有方法，尤其在检测恶意流量方面表现突出。
引用
@article{arxiv.2501.08610,
title = {Multi-view Correlation-aware Network Traffic Detection on Flow Hypergraph},
author = {Jiajun Zhou and Wentao Fu and Hao Song and Shanqing Yu and Qi Xuan and Xiaoniu Yang},
journal= {arXiv preprint arXiv:2501.08610},
year = {2025}
}