保持序列的网络流量生成
网络与互联网体系结构
2020-02-25 v1 机器学习
摘要
我们提出了网络流量生成器（NTG），这是一个通过扰动已记录网络流量来生成多样且真实的背景流量、用于企业环境中网络仿真与假设分析的框架。该框架保留了企业中所记录原始流量的诸多特征，以及网络活动的序列。使用所提出的框架，原始流量流通过200个跨协议特征进行刻画。流量被聚合为IP对之间的数据包流，并聚类为相似网络活动的组。随后提取网络活动的序列。我们考察了两种提取活动序列的方法：马尔可夫模型与神经语言模型。最后，利用提取的模型生成新流量。我们开发了该框架的原型，并基于两个真实网络流量采集集进行了大量实验。采用假设检验来考察原始与生成特征分布之间的差异，结果表明30-100%的提取特征得以保留。原始与生成流量中网络活动序列的n-gram困惑度之间差异很小，表明网络活动序列得到了良好保留。
引用
@article{arxiv.2002.09832,
title = {Sequence Preserving Network Traffic Generation},
author = {Sigal Shaked and Amos Zamir and Roman Vainshtein and Moshe Unger and Lior Rokach and Rami Puzis and Bracha Shapira},
journal= {arXiv preprint arXiv:2002.09832},
year = {2020}
}