基于过程挖掘的网络流量分析：UPSIDE 案例研究
机器学习
2026-03-10 v2 网络与互联网体系结构
摘要
在线游戏是一项受欢迎的活动，涉及复杂系统和网络基础设施的采用。游戏产业产生了大量市场收入，其重要性推动了关于网络设备行为建模的研究，以评估带宽消耗、预测并维持高负载，以及检测恶意活动。在此背景下，过程挖掘因其能够将数据驱动分析与基于模型的见解相结合而展现出前景。在本文中，我们提出了一种基于过程挖掘的方法来分析游戏网络流量，该方法能够：对游戏网络数据中不同状态进行无监督表征；通过过程挖掘将这些状态编码为可解释的 Petri 网；以及对游戏网络流量数据进行分类，以识别正在游玩的不同电子游戏。我们将该方法应用于 UPSIDE 案例研究，该研究涉及与两款电子游戏《Clash Royale》和《Rocket League》交互的多个设备的游戏网络数据。结果表明，游戏网络行为可以通过表示为 Petri 网的状态进行有效且可解释地建模，并具有充分的连贯性和特异性，同时保持对两款不同电子游戏的良好分类准确率。
引用
@article{arxiv.2512.23718,
title = {Network Traffic Analysis with Process Mining: The UPSIDE Case Study},
author = {Francesco Vitale and Paolo Palmiero and Massimiliano Rak and Nicola Mazzocca},
journal= {arXiv preprint arXiv:2512.23718},
year = {2026}
}
备注
Accepted to the 2026 IEEE International Instrumentation and Measurement Technology Conference (I2MTC 2026)