論文の概要: Generalized Encrypted Traffic Classification Using Inter-Flow Signals

• arxiv url: http://arxiv.org/abs/2508.21558v1
• Date: Fri, 29 Aug 2025 12:14:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:11.034228
• Title: Generalized Encrypted Traffic Classification Using Inter-Flow Signals
• Title（参考訳）: ストリーム間信号を用いた一般化暗号化トラフィック分類
• Authors: Federica Bianchi, Edoardo Di Paolo, Angelo Spognardi,
• Abstract要約: 本稿では,PCAPデータを直接操作する新しいトラフィック分類モデルを提案する。 実験の結果, ほぼすべての分類タスクおよびほとんどのデータセットにおいて, 精度の高い手法よりも優れており, 場合によっては最大99%の精度が達成できることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper, we present a novel encrypted traffic classification model that operates directly on raw PCAP data without requiring prior assumptions about traffic type. Unlike existing methods, it is generalizable across multiple classification tasks and leverages inter-flow signals - an innovative representation that captures temporal correlations and packet volume distributions across flows. Experimental results show that our model outperforms well-established methods in nearly every classification task and across most datasets, achieving up to 99% accuracy in some cases, demonstrating its robustness and adaptability.
• Abstract（参考訳）: 本稿では,PCAPデータを直接操作する新しいトラフィック分類モデルを提案する。 既存の方法とは異なり、複数の分類タスクにまたがって一般化可能であり、フロー間の信号を利用する。 実験の結果,ほぼすべての分類タスクおよびほとんどのデータセットにおいて,モデルが確立された手法よりも優れており,いくつかのケースでは最大99%の精度を実現し,堅牢性と適応性を示した。

関連論文リスト

• Detection of Anomalous Vehicular Traffic and Sensor Failures Using Data Clustering Techniques [0.0]
  本研究では,高速道路センサからの交通流データの解析にクラスタリング手法を用いる。 複数のクラスタリング手法、すなわちパーティショニングと階層的手法を、様々な時系列表現と類似度尺度と組み合わせて検討する。 本手法は高速道路センサのリアルタイムデータに適用し,異なるクラスタリングフレームワークが交通パターン認識に与える影響を評価する。
  論文  参考訳（メタデータ） (2025-04-01T15:09:39Z)
• 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)
• Diffusion Generative Flow Samplers: Improving learning signals through partial trajectory optimization [87.21285093582446]
  Diffusion Generative Flow Samplers (DGFS) はサンプルベースのフレームワークであり、学習プロセスを短い部分的軌道セグメントに分解することができる。 生成フローネットワーク(GFlowNets)のための理論から着想を得た。
  論文  参考訳（メタデータ） (2023-10-04T09:39:05Z)
• Facing Unknown: Open-World Encrypted Traffic Classification Based on Contrastive Pre-Training [5.318006462723139]
  オープンワールドコントラスト事前学習(OWCP)フレームワークを提案する。 OWCPは、頑健な特徴表現を得るために、対照的な事前訓練を行う。 OWCPの各成分の総合的アブレーション研究と感度解析を行い,各成分の妥当性を検証した。
  論文  参考訳（メタデータ） (2023-08-31T17:04:20Z)
• Single Domain Generalization via Normalised Cross-correlation Based Convolutions [14.306250516592304]
  単一ドメインの一般化は、単一のソースからのデータを使用して堅牢なモデルをトレーニングすることを目的としている。 本稿では、重みと入力特徴パッチの間の正規化相互相関を計算するXCNormという演算子を提案する。 この演算子で構成されるディープニューラルネットワークは、一般的な意味分布シフトに対して堅牢であることを示す。
  論文  参考訳（メタデータ） (2023-07-12T04:15:36Z)
• Multi-view Multi-label Anomaly Network Traffic Classification based on MLP-Mixer Neural Network [55.21501819988941]
  畳み込みニューラルネットワーク(CNN)に基づく既存のネットワークトラフィック分類は、グローバルな情報関連を無視しながら、トラフィックデータの局所的なパターンを強調することが多い。 本稿では,エンドツーエンドのネットワークトラフィック分類手法を提案する。
  論文  参考訳（メタデータ） (2022-10-30T01:52:05Z)
• Task-agnostic Continual Learning with Hybrid Probabilistic Models [75.01205414507243]
  分類のための連続学習のためのハイブリッド生成識別手法であるHCLを提案する。 フローは、データの配布を学習し、分類を行い、タスクの変更を特定し、忘れることを避けるために使用される。 本研究では,スプリット-MNIST,スプリット-CIFAR,SVHN-MNISTなどの連続学習ベンチマークにおいて,HCLの強い性能を示す。
  論文  参考訳（メタデータ） (2021-06-24T05:19:26Z)
• Multi-fold Correlation Attention Network for Predicting Traffic Speeds with Heterogeneous Frequency [17.3908559850196]
  交通データ間の空間相関をモデル化する新しい測定法を提案する。 その結果,交通状況によって相関パターンは大きく異なることがわかった。 実世界のデータセットの実験では、提案されたMCANモデルが最先端のベースラインより優れていることが示されている。
  論文  参考訳（メタデータ） (2021-04-19T06:58:51Z)

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。