論文の概要: BiLCNet : BiLSTM-Conformer Network for Encrypted Traffic Classification with 5G SA Physical Channel Records

• arxiv url: http://arxiv.org/abs/2509.17495v1
• Date: Mon, 22 Sep 2025 08:27:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:16.295734
• Title: BiLCNet : BiLSTM-Conformer Network for Encrypted Traffic Classification with 5G SA Physical Channel Records
• Title（参考訳）: BiLCNet : 5GSA物理チャネル記録を用いた暗号化トラフィック分類のためのBiLSTMコンバータネットワーク
• Authors: Ke Ma, Jialiang Lu, Philippe Martins,
• Abstract要約: 生のチャネルレコードを構造化表現に変換する前処理パイプラインを開発した。 本稿では,BiLSTMの逐次モデリング機能とコンフォーマーブロックの空間的特徴抽出強度を統合したBiLSTM-Conformer Network (BiLCNet)を提案する。 分類精度は93.9%であり,従来の機械学習アルゴリズムやディープラーニングアルゴリズムよりも優れている。
• 参考スコア（独自算出の注目度）: 3.4949103362575573
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate and efficient traffic classification is vital for wireless network management, especially under encrypted payloads and dynamic application behavior, where traditional methods such as port-based identification and deep packet inspection (DPI) are increasingly inadequate. This work explores the feasibility of using physical channel data collected from the air interface of 5G Standalone (SA) networks for traffic sensing. We develop a preprocessing pipeline to transform raw channel records into structured representations with customized feature engineering to enhance downstream classification performance. To jointly capture temporal dependencies and both local and global structural patterns inherent in physical channel records, we propose a novel hybrid architecture: BiLSTM-Conformer Network (BiLCNet), which integrates the sequential modeling capability of Bidirectional Long Short-Term Memory networks (BiLSTM) with the spatial feature extraction strength of Conformer blocks. Evaluated on a noise-limited 5G SA dataset, our model achieves a classification accuracy of 93.9%, outperforming a series of conventional machine learning and deep learning algorithms. Furthermore, we demonstrate its generalization ability under zero-shot transfer settings, validating its robustness across traffic categories and varying environmental conditions.
• Abstract（参考訳）: 特に、ポートベースの識別やディープパケット検査(DPI)といった従来の手法が不十分である、暗号化ペイロードや動的アプリケーション動作下では、無線ネットワーク管理において正確な、効率的なトラフィック分類が不可欠である。 本研究は,5G Standalone (SA) ネットワークの空気インターフェースから収集した物理チャネルデータによる交通検知の実現可能性について検討する。 我々は、下流分類性能を向上させるために、前処理パイプラインを開発し、生のチャネルレコードをカスタマイズした特徴工学による構造化表現に変換する。 BiLSTM-Conformer Network(BiLCNet)は,双方向長短期記憶ネットワーク(BiLSTM)の逐次モデリング機能と,コンフォーマーブロックの空間的特徴抽出強度を統合したハイブリッドアーキテクチャである。 雑音に制限された5G SAデータセットを用いて評価し、分類精度93.9%を達成し、従来の機械学習およびディープラーニングアルゴリズムより優れている。 さらに,ゼロショット転送設定下での一般化能力を実証し,交通カテゴリ間の堅牢性や環境条件の相違を検証した。

関連論文リスト

• 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)
• Image Captioning via Dynamic Path Customization [100.15412641586525]
  画像キャプションのための新しい動的トランスフォーマーネットワーク(DTNet)を提案する。 提案するDTNetの有効性を検証するため,MS-COCOデータセットの広範な実験を行い,新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-06-01T07:23:21Z)
• TCCT-Net: Two-Stream Network Architecture for Fast and Efficient Engagement Estimation via Behavioral Feature Signals [58.865901821451295]
  本稿では,新しい2ストリーム機能融合 "Tensor-Convolution and Convolution-Transformer Network" (TCCT-Net) アーキテクチャを提案する。 時間空間領域における意味のあるパターンをよりよく学習するために、ハイブリッド畳み込み変換器を統合する「CT」ストリームを設計する。 並行して、時間周波数領域からリッチなパターンを効率的に抽出するために、連続ウェーブレット変換(CWT)を用いて情報を2次元テンソル形式で表現する「TC」ストリームを導入する。
  論文  参考訳（メタデータ） (2024-04-15T06:01:48Z)
• ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
  本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。 提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。 また,ELGC-Net-LWも導入した。
  論文  参考訳（メタデータ） (2024-03-26T17:46:25Z)
• 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)
• Wavelet-Inspired Multiscale Graph Convolutional Recurrent Network for Traffic Forecasting [0.0]
  本稿では,マルチスケール解析(MSA)法とディープラーニング(DL)法を組み合わせたグラフ・コンパス・リカレント・ネットワーク(WavGCRN)を提案する。 提案手法は,現実のトラフィックデータセット上での解釈可能性,強力な学習能力,および競合予測性能を提供する。
  論文  参考訳（メタデータ） (2024-01-11T16:55:48Z)
• Real-time Traffic Classification for 5G NSA Encrypted Data Flows With Physical Channel Records [3.8998980344852856]
  第5世代New-Radio(5G-NR)モバイルネットワークトラフィックの分類は、通信分野における新たな話題である。 Deep Packet Inspection (DPI)のような従来のアプローチは、暗号化されたデータフローに直接適用することはできない。 本研究では,物理チャネルレコードを用いたリアルタイム暗号化された5Gノンスタンダローン(NSA)アプリケーションレベルのトラフィック分類について検討する。
  論文  参考訳（メタデータ） (2023-07-15T09:32:34Z)
• Dynamic Slimmable Network [105.74546828182834]
  ダイナミックスリム化システム「ダイナミックスリム化ネットワーク(DS-Net)」を開発。 ds-netは,提案するダブルヘッド動的ゲートによる動的推論機能を備えている。 静的圧縮法と最先端の静的および動的モデル圧縮法を一貫して上回っている。
  論文  参考訳（メタデータ） (2021-03-24T15:25:20Z)

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。