論文の概要: Exploring QUIC Dynamics: A Large-Scale Dataset for Encrypted Traffic Analysis
- arxiv url: http://arxiv.org/abs/2410.03728v1
- Date: Mon, 30 Sep 2024 10:50:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-02 20:28:28.214773
- Title: Exploring QUIC Dynamics: A Large-Scale Dataset for Encrypted Traffic Analysis
- Title(参考訳): QUIC Dynamics: 暗号化トラフィック分析のための大規模データセット
- Authors: Barak Gahtan, Robert J. Sahala, Alex M. Bronstein, Reuven Cohen,
- Abstract要約: 44,000以上のWebサイト(URL)から10万以上のQUICトレースからなるラベル付きデータセットであるVisQUICを紹介した。
これらのトレースは、ウィンドウ長、ピクセル解像度、正規化、ラベルのパラメータを持つ700万以上の画像を生成する基盤を提供する。
データセットの可能性を説明するために、所定のQUIC内のHTTP/3レスポンス/リクエストペア数を推定するオブザーバのユースケース例を紹介します。
- 参考スコア(独自算出の注目度): 7.795761092358769
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: QUIC, a new and increasingly used transport protocol, addresses and resolves the limitations of TCP by offering improved security, performance, and features such as stream multiplexing and connection migration. These features, however, also present challenges for network operators who need to monitor and analyze web traffic. In this paper, we introduce VisQUIC, a labeled dataset comprising over 100,000 QUIC traces from more than 44,000 websites (URLs), collected over a four-month period. These traces provide the foundation for generating more than seven million images, with configurable parameters of window length, pixel resolution, normalization, and labels. These images enable an observer looking at the interactions between a client and a server to analyze and gain insights about QUIC encrypted connections. To illustrate the dataset's potential, we offer a use-case example of an observer estimating the number of HTTP/3 responses/requests pairs in a given QUIC, which can reveal server behavior, client--server interactions, and the load imposed by an observed connection. We formulate the problem as a discrete regression problem, train a machine learning (ML) model for it, and then evaluate it using the proposed dataset on an example use case.
- Abstract(参考訳): QUICは、新しい、そしてますます使われるトランスポートプロトコルであり、セキュリティ、パフォーマンス、ストリーム多重化やコネクションマイグレーションといった機能の改善によってTCPの制限に対処し、解決する。
しかし、これらの機能は、Webトラフィックを監視し、分析する必要があるネットワークオペレーターにとっての課題でもある。
本稿では,44000以上のWebサイト(URL)から10万以上のQUICトレースからなるラベル付きデータセットVisQUICを紹介する。
これらのトレースは、ウィンドウ長、ピクセル解像度、正規化、ラベルの設定可能なパラメータを含む700万以上の画像を生成する基盤を提供する。
これらの画像は、クライアントとサーバ間のインタラクションを見て、QUIC暗号化接続に関する洞察を得ることを可能にする。
データセットの可能性を説明するために、所定のQUIC内のHTTP/3レスポンス/リクエストペア数を推定するオブザーバのユースケース例を紹介します。
この問題を離散回帰問題として定式化し、機械学習(ML)モデルをトレーニングし、サンプルユースケースで提案したデータセットを用いて評価する。
関連論文リスト
- NetFlowGen: Leveraging Generative Pre-training for Network Traffic Dynamics [72.95483148058378]
我々は,NetFlowレコードからのトラフィックデータのみを用いて,トラフィックダイナミクスをキャプチャする汎用機械学習モデルを事前学習することを提案する。
ネットワーク特徴表現の統一,未ラベルの大規模トラフィックデータ量からの学習,DDoS攻撃検出における下流タスクのテストといった課題に対処する。
論文 参考訳(メタデータ) (2024-12-30T00:47:49Z) - MIETT: Multi-Instance Encrypted Traffic Transformer for Encrypted Traffic Classification [59.96233305733875]
トラフィックの分類は、セキュリティの脅威を検出し、ネットワーク管理を最適化するために不可欠である。
トークンレベルとパケットレベルの両方の関係をキャプチャするMulti-Instance Encrypted Traffic Transformer (MIETT)を提案する。
MIETTは5つのデータセットにまたがって結果を達成し、暗号化されたトラフィックの分類と複雑なネットワーク動作の理解の有効性を示す。
論文 参考訳(メタデータ) (2024-12-19T12:52:53Z) - Estimating the Number of HTTP/3 Responses in QUIC Using Deep Learning [7.795761092358769]
本稿では、所定のQUIC接続におけるHTTP/3応答数をオブザーバによって推定する新しい手法を提案する。
提案方式では,QUIC接続トレースを画像シーケンスに変換し,機械学習(ML)モデルを用いて応答数を予測する。
論文 参考訳(メタデータ) (2024-10-08T15:40:22Z) - Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data [55.70071704247794]
統合センシング・通信(ISAC)は6G通信において重要であり、再構成可能なインテリジェントサーフェス(RIS)の急速な発展によって促進される
本稿では,複数の帯域にまたがるマルチモーダルCSIインジケータを協調的に活用し,クロスドメイン方式で追跡機能をモデル化するX2Trackフレームワークを提案する。
X2Trackの下では、トランスフォーマーニューラルネットワークと逆学習技術に基づいて、トラッキングエラーを最小限に抑える効率的なディープラーニングアルゴリズムを設計する。
論文 参考訳(メタデータ) (2024-05-10T08:04:27Z) - Lens: A Foundation Model for Network Traffic [19.3652490585798]
Lensは、T5アーキテクチャを活用して、大規模な未ラベルデータから事前訓練された表現を学習するネットワークトラフィックの基礎モデルである。
Masked Span Prediction(MSP)、Packet Order Prediction(POP)、Homologous Traffic Prediction(HTP)の3つの異なるタスクを組み合わせた新しい損失を設計する。
論文 参考訳(メタデータ) (2024-02-06T02:45:13Z) - Application-layer Characterization and Traffic Analysis for Encrypted QUIC Transport Protocol [14.40132345175898]
本稿では,QUICパケットを復号することなくアプリケーションレベルのトラフィック特性を推定する新しいルールベースの手法を提案する。
提案アルゴリズムは,そのサイズ,タイミング,方向情報に基づいて,関連するネットワークトラフィックを解析する。
推論されたHTTP属性は、アプリケーション層サービスのQoEを評価し、暗号化QUIC接続内のトラフィック分類のためのサービスカテゴリを特定するために使用することができる。
論文 参考訳(メタデータ) (2023-10-10T20:09:46Z) - LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。
しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。
カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
論文 参考訳(メタデータ) (2023-06-14T05:48:36Z) - Machine Learning for Encrypted Malicious Traffic Detection: Approaches,
Datasets and Comparative Study [6.267890584151111]
新型コロナウイルス(COVID-19)後の環境では、悪意のあるトラフィック暗号化が急速に増加している。
我々は、機械学習に基づく暗号化された悪意のあるトラフィック検出手法の普遍的な枠組みを定式化する。
暗号化された悪意のあるトラフィック検出アルゴリズムを10個実装し比較する。
論文 参考訳(メタデータ) (2022-03-17T14:00:55Z) - DATA: Domain-Aware and Task-Aware Pre-training [94.62676913928831]
我々は、自己教師付き学習(SSL)に特化した、シンプルで効果的なNASアプローチであるDataを提示する。
提案手法は,画像分類,オブジェクト検出,セマンティックセグメンテーションなど,下流タスクにおける計算コストの広い範囲にわたる有望な結果を実現する。
論文 参考訳(メタデータ) (2022-03-17T02:38:49Z) - FENXI: Deep-learning Traffic Analytics at the Edge [69.34903175081284]
本稿では,TPUを利用して複雑な解析を行うシステムであるFENXIを提案する。
FENXIは、さまざまな粒度で動作するオペレーションとトラフィック分析を分離する。
分析の結果,FENXIは限られた資源しか必要とせず,転送ラインレートのトラヒック処理を継続できることがわかった。
論文 参考訳(メタデータ) (2021-05-25T08:02:44Z) - NetML: A Challenge for Network Traffic Analytics [16.8001000840057]
約1.3Mラベル付きフローを含む3つのオープンデータセットをリリースする。
我々は、マルウェア検出とアプリケーション分類の両方を含む、ネットワークトラフィック分析の幅広い側面に焦点を当てる。
NetMLの成長を続けるにつれて、データセットはAI駆動で再現可能なネットワークフロー分析の研究のための共通プラットフォームとして機能することを期待しています。
論文 参考訳(メタデータ) (2020-04-25T01:12:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。