SNAKE：基于专家混合架构的可持续大规模流量分析系统
网络与互联网体系结构
2025-03-19 v1
摘要
互联网技术的快速发展导致数据传输激增，使网络流量分类对于安全和管理至关重要。然而，现有方法在处理多属性分析和扩展模型知识方面存在显著不足，难以适应不断变化的网络环境和复杂的识别需求。为此，我们提出了SNAKE（Sustainable Network Analysis with Knowledge Exploration）系统，采用多门控专家混合架构构建多功能流量分类模型。系统通过多个专家子模型在不同层次上分析流量属性，利用门控机制和最终塔网络提供这些属性的预测。此外，通过智能的门控配置，系统实现了在各种知识扩展场景中的极快模型集成和演化。其出色的兼容性使其能够持续演化为流量分析领域的多功能大规模模型。我们的实验结果表明，SNAKE系统在应对多样化流量分类任务中的增量挑战方面表现出显著的可扩展性。目前，我们已将多个模型集成到系统中，使其能够对广泛的属性进行分类，包括封装用途、应用类型和众多恶意行为。我们相信，SNAKE将在持续扩展后，首创性地在网络流量分析领域创建可持续且多功能的大规模模型。
引用
@article{arxiv.2503.13808,
title = {SNAKE: A Sustainable and Multi-functional Traffic Analysis System utilizing Specialized Large-Scale Models with a Mixture of Experts Architecture},
author = {Tian Qin and Guang Cheng and Yuyang Zhou and Zihan Chen and Xing Luan},
journal= {arXiv preprint arXiv:2503.13808},
year = {2025}
}