基于物理信道记录的5G NSA加密数据流实时流量分类
机器学习
2023-07-18 v1 密码学与安全
社会与信息网络
摘要
第五代新空口（5G-NR）移动网络流量的分类是电信领域的一个新兴课题。它可用于服务质量（QoS）管理和动态资源分配。然而，深度包检测（DPI）等传统方法无法直接应用于加密数据流。因此，需要研究新的实时加密流量分类算法来处理动态传输。在本研究中，我们利用物理信道记录考察了实时加密的5G非独立组网（NSA）应用层流量分类。由于其特征繁多，基于决策树的梯度提升算法是一种可行的分类途径。我们生成了一个含多应用流量的噪声受限5G NSA轨迹数据集。我们开发了一条新流水线，将物理信道记录序列转换为数值向量。测试了一组机器学习模型，并基于轻量梯度提升机（LGBM）在快速并行训练和低计算负担方面的实际优势提出了我们的解决方案。我们的实验表明，该算法在分类任务上可达到95%的准确率，且响应时间达到10ms的业界最优水平。
引用
@article{arxiv.2307.07756,
title = {Real-time Traffic Classification for 5G NSA Encrypted Data Flows With Physical Channel Records},
author = {Xiao Fei and Philippe Martins and Jialiang Lu},
journal= {arXiv preprint arXiv:2307.07756},
year = {2023}
}
备注
6 pages, 10 figures