admin管理员组

文章数量:1130349

每日论文:《CENTIME: A Direct Comprehensive Traffic Features Extraction for Encrypted Traffic Classification》

翻译:《CENTIME:一种用于加密流量分类的直接全面的流量特征提取方式》

Introduction(引入)


作者先引入两种加密流量分类常用的方法:

基于统计的方法 基于原始流量的方法
缺点 性能取决于选择的特征向量 分类器输入需统一流量大小,但这会使流量的整体提结果信息丢失
为何用该方法 基于统计的方法假设不同类型的流量具有独特的统计特征[1] 基于原始流量的方法使用DNN自动从网络流量中提取特征[2]
一些实现方法 用AutoEncoder对统计特征进行编码 用resNet从统一的流量提取信息

作者的思想:基于统计的方法和基于原始流量的方法相结合。用AutoEncoder对统计特征进行编码,然后用resNet从统一的流量提取信息,综合特征输入到全连接网络进行分类。

FrameWork(CENTIME框架)


作者提出的CENTIME框架:

1.数据预处理。(按会话session进行拆分,并匿名化:去掉IP、MAC等)

2.提取特征

  • resNet从原始流量提取特征,26个统计特征,然后用min-max归一化到[0-1]范围内。统计特征如图1所示,归一化公式如

每日论文:《CENTIME: A Direct Comprehensive Traffic Features Extraction for Encrypted Traffic Classification》

翻译:《CENTIME:一种用于加密流量分类的直接全面的流量特征提取方式》

Introduction(引入)


作者先引入两种加密流量分类常用的方法:

基于统计的方法 基于原始流量的方法
缺点 性能取决于选择的特征向量 分类器输入需统一流量大小,但这会使流量的整体提结果信息丢失
为何用该方法 基于统计的方法假设不同类型的流量具有独特的统计特征[1] 基于原始流量的方法使用DNN自动从网络流量中提取特征[2]
一些实现方法 用AutoEncoder对统计特征进行编码 用resNet从统一的流量提取信息

作者的思想:基于统计的方法和基于原始流量的方法相结合。用AutoEncoder对统计特征进行编码,然后用resNet从统一的流量提取信息,综合特征输入到全连接网络进行分类。

FrameWork(CENTIME框架)


作者提出的CENTIME框架:

1.数据预处理。(按会话session进行拆分,并匿名化:去掉IP、MAC等)

2.提取特征

  • resNet从原始流量提取特征,26个统计特征,然后用min-max归一化到[0-1]范围内。统计特征如图1所示,归一化公式如

本文标签: 论文DirectComprehensivetrafficCENTIME