論文の概要: Exploring QUIC Dynamics: A Large-Scale Dataset for Encrypted Traffic Analysis

• arxiv url: http://arxiv.org/abs/2410.03728v5
• Date: Thu, 27 Feb 2025 16:19:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-28 14:55:12.824732
• 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. Shahla, Alex M. Bronstein, Reuven Cohen,
• Abstract要約: VisQUICは44,000以上のウェブサイトから10万のQUICトレースをラベル付けした大規模データセットである。 以前のデータセットとは異なり、VisQUICは制御された復号化のためのSSLキーを提供し、複数のQUIC実装をサポートし、新しいイメージベースの表現を導入した。 暗号化されたQUICトラフィックにおいてHTTP/3応答を推定し、観測可能なパケット機能のみを用いて97%の精度を達成するためのベンチマークタスクを提案する。
• 参考スコア（独自算出の注目度）: 7.795761092358769
• License:
• Abstract: The increasing adoption of the QUIC transport protocol has transformed encrypted web traffic, necessitating new methodologies for network analysis. However, existing datasets lack the scope, metadata, and decryption capabilities required for robust benchmarking in encrypted traffic research. We introduce VisQUIC, a large-scale dataset of 100,000 labeled QUIC traces from over 44,000 websites, collected over four months. Unlike prior datasets, VisQUIC provides SSL keys for controlled decryption, supports multiple QUIC implementations (Chromium QUIC, Facebooks mvfst, Cloudflares quiche), and introduces a novel image-based representation that enables machine learning-driven encrypted traffic analysis. The dataset includes standardized benchmarking tools, ensuring reproducibility. To demonstrate VisQUICs utility, we present a benchmarking task for estimating HTTP/3 responses in encrypted QUIC traffic, achieving 97% accuracy using only observable packet features. By publicly releasing VisQUIC, we provide an open foundation for advancing encrypted traffic analysis, QUIC security research, and network monitoring.
• Abstract（参考訳）: QUICトランスポートプロトコルの採用が進むにつれて、暗号化されたWebトラフィックが変換され、ネットワーク分析のための新しい手法が必要になった。 しかし、既存のデータセットには、暗号化トラフィック研究における堅牢なベンチマークに必要なスコープ、メタデータ、復号化機能がない。 VisQUICは、44000以上のウェブサイトから4ヶ月にわたって収集された100,000のQUICトレースをラベル付けした大規模データセットである。 以前のデータセットとは異なり、VisQUICは制御された復号化のためのSSLキーを提供し、複数のQUIC実装(Chromium QUIC、Facebooks mvfst、Cloudflares quiche)をサポートし、機械学習による暗号化トラフィック分析を可能にする、新しいイメージベースの表現を導入した。 データセットには標準化されたベンチマークツールが含まれており、再現性を保証する。 VisQUICsの有用性を実証するために、暗号化QUICトラフィックにおけるHTTP/3応答を推定するベンチマークタスクを提案し、観測可能なパケット機能のみを用いて97%の精度を達成する。 VisQUICを公開することにより、暗号化されたトラフィック分析、QUICセキュリティ研究、ネットワーク監視の進展のためのオープンな基盤を提供する。

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。