自动化流量分析的新方向
密码学与安全
2021-10-22 v6 网络与互联网体系结构
摘要
尽管机器学习已被用于安全领域的许多网络流量分析任务，从应用识别到入侵检测，但最终决定模型性能的机器学习流程环节——特征选择与表示、模型选择以及参数调优——仍然依赖人工且繁琐。本文提出一种自动化流量分析多方面环节的方法，使机器学习技术更易应用于更广泛的流量分析任务。我们引入 nPrint，一种生成统一数据包表示、适于表示学习与模型训练的工具。我们将 nPrint 与自动化机器学习（AutoML）集成，构建了 nPrintML 这一公开系统，可在广泛流量分析任务中大幅消除特征提取与模型调优工作。我们在八项独立流量分析任务上评估了 nPrintML，并发布了 nPrint 与 nPrintML 以支持未来工作扩展这些方法。
引用
@article{arxiv.2008.02695,
title = {New Directions in Automated Traffic Analysis},
author = {Jordan Holland and Paul Schmitt and Nick Feamster and Prateek Mittal},
journal= {arXiv preprint arXiv:2008.02695},
year = {2021}
}