論文の概要: More Than Meets the Eye: A Semantics-Aware Traffic Augmentation Framework for Generalizable Website Fingerprinting

• arxiv url: http://arxiv.org/abs/2605.11402v1
• Date: Tue, 12 May 2026 01:48:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.516883
• Title: More Than Meets the Eye: A Semantics-Aware Traffic Augmentation Framework for Generalizable Website Fingerprinting
• Title（参考訳）: 汎用的なWebサイトフィンガープリントのためのセマンティックス対応のトラフィック拡張フレームワーク
• Authors: Youquan Xian, Xueying Zeng, Lingjia Meng, Lei Cui, Runhan Song, Wei Wang, Zhengquan Ding, Peng Liu, Zhiyu Hao,
• Abstract要約: SATAはセマンティックス対応のトラフィック拡張フレームワークである。 トレーニングセットにはないが、テストセットに実際に存在するトラフィックパターンを生成する。 多様な複雑なシナリオにわたって、メインストリームモデルのパフォーマンスを大幅に改善します。
• 参考スコア（独自算出の注目度）: 7.434353180305326
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning-based website fingerprinting has emerged as an effective technique for inferring the websites users visit. Although existing methods achieve strong performance on closed-world datasets, they often fail to generalize to real-world environments, especially under geographic and temporal shifts. This limitation fundamentally stems from the coupled effects of two key challenges: application-layer resource composition variability and observable feature instability induced by cross-layer encapsulation. Intertwined, these factors induce systematic shifts between underlying application semantics and observable traffic features. To address the above challenges, we propose SATA , a semantics-aware traffic augmentation framework. Specifically, SATA first performs application-layer semantic augmentation based on protocol rules, expanding the resource composition patterns within each flow and frame sequence patterns under protocol constraints. Based on these augmented frame sequences, we further introduce a cross-layer feature alignment mechanism via knowledge distillation. It aligns frame sequence with packet-length sequence features, enabling cross-layer feature alignment between enhanced semantics and observable sequences. Extensive experiments show that SATA successfully generates traffic patterns that are absent from the training set but genuinely exist in the test set, and significantly improves the performance of mainstream models across diverse and complex scenarios. In particular, in open-world settings, SATA improves ACC by 90.81% and AUROC by 48.37%. The source code of the prototype system is available at https://anonymous.4open.science/r/SATA-B6C2/.
• Abstract（参考訳）: ディープラーニングベースのWebサイトのフィンガープリントは、ユーザが訪問するWebサイトを推測する効果的なテクニックとして登場した。 既存の手法は、クローズドワールドデータセット上で強いパフォーマンスを達成するが、特に地理的および時間的シフトの下では、現実世界環境への一般化に失敗することが多い。 この制限は、アプリケーション・レイヤ・リソース・コンポジションの多様性と、クロス・レイヤ・カプセル化によって引き起こされる観測可能な特徴不安定という2つの大きな課題の複合効果に根ざしている。 興味深いことに、これらの要因は、基盤となるアプリケーションセマンティクスと観測可能なトラフィック特徴の体系的なシフトを引き起こします。 上記の課題に対処するため、セマンティックス対応のトラフィック拡張フレームワークであるSATAを提案する。 具体的には、SATAは、まずプロトコルルールに基づいてアプリケーション層セマンティック拡張を行い、各フロー内のリソース構成パターンと、プロトコル制約下でのフレームシーケンスパターンを拡張する。 これらの拡張フレームシーケンスに基づいて,知識蒸留による多層構造アライメント機構を導入する。 フレームシーケンスをパケット長のシーケンス特徴と整合させ、拡張されたセマンティクスと観測可能なシーケンス間のクロスレイヤ機能アライメントを可能にする。 大規模な実験により、SATAはトレーニングセットにはないがテストセットに実際に存在するトラフィックパターンをうまく生成し、多種多様な複雑なシナリオにわたるメインストリームモデルの性能を大幅に改善した。 特にオープンワールド環境では、SATAはACCを90.81%、AUROCを48.37%改善している。 プロトタイプシステムのソースコードはhttps://anonymous.4open.science/r/SATA-B6C2/で公開されている。

関連論文リスト

• Rethinking Multi-Condition DiTs: Eliminating Redundant Attention via Position-Alignment and Keyword-Scoping [61.459927600301654]
  マルチコンディション制御は従来のコンカデント・アンド・アットエンドの戦略によってボトルネックとなる。 分析の結果,これらの相互作用の多くは空間的にも意味的にも冗長であることがわかった。 本稿では,これらの冗長性を解消するための高効率なフレームワークであるPKAを提案する。
  論文  参考訳（メタデータ） (2026-02-06T16:39:10Z)
• DynaPURLS: Dynamic Refinement of Part-aware Representations for Skeleton-based Zero-Shot Action Recognition [51.80782323686666]
  textbfDynaPURLSは、堅牢でマルチスケールなビジュアル・セマンティック対応を確立する統一的なフレームワークである。 我々のフレームワークは、グローバルな動きと局所的な身体部分のダイナミクスの両方を含む階層的なテキスト記述を生成するために、大きな言語モデルを活用する。 NTU RGB+D 60/120とPKU-MMDを含む3つの大規模ベンチマークデータセットの実験は、DynaPURLSが先行技術よりも大幅に優れていることを示した。
  論文  参考訳（メタデータ） (2025-12-12T10:39:10Z)
• Orion-MSP: Multi-Scale Sparse Attention for Tabular In-Context Learning [3.884856136722027]
  マルチスケール処理,ブロックスパースアテンション,Perceiverスタイルのメモリを備えた新しいICLアーキテクチャであるOrion-MSPを紹介する。 Orion-MSPは、高次元テーブルに効果的にスケーリングしながら、最先端のパフォーマンスにマッチまたは超越する。
  論文  参考訳（メタデータ） (2025-11-04T18:43:44Z)
• Generalizing WiFi Gesture Recognition via Large-Model-Aware Semantic Distillation and Alignment [6.124050993047708]
  WiFiベースのジェスチャー認識は、AIoT環境において有望なRFセンシングパラダイムとして登場した。 本稿では,大規模モデル対応セマンティック蒸留・アライメントと呼ばれる新しい一般化フレームワークを提案する。 本手法は,実世界のAIoTアプリケーションにおいて,一般化されたRFベースのジェスチャーインタフェースに対して,スケーラブルでデプロイ可能なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-10-15T10:28:50Z)
• Towards Efficient General Feature Prediction in Masked Skeleton Modeling [59.46799426434277]
  マスクスケルトンモデリングのための新しい汎用特徴予測フレームワーク(GFP)を提案する。 我々の重要な革新は、局所的な動きパターンからグローバルな意味表現にまたがる、従来の低レベルな再構築を高レベルな特徴予測に置き換えることです。
  論文  参考訳（メタデータ） (2025-09-03T18:05:02Z)
• Dynamic Cross-Modal Feature Interaction Network for Hyperspectral and LiDAR Data Classification [66.59320112015556]
  ハイパースペクトル画像(HSI)とLiDARデータ共同分類は難しい課題である。 DCMNet(Dynamic Cross-Modal Feature Interaction Network)を提案する。 BSAB(Bilinear Spatial Attention Block)、BCAB(Bilinear Channel Attention Block)、ICB(Integration Convolutional Block)の3つの機能相互作用ブロックを導入している。
  論文  参考訳（メタデータ） (2025-03-10T05:50:13Z)
• Spatial-Temporal Perception with Causal Inference for Naturalistic Driving Action Recognition [6.115044825582411]
  自動車キャビン監視システムには, 自然な運転行動認識が不可欠である。 これまでのアプローチでは、微妙な振る舞いの違いを観察する能力が限られていたため、実践的な実装に苦労してきた。 本稿では,時間的情報と空間的関係を両立する空間的知覚アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-03-06T04:28:11Z)
• 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)
• Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
  最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。 本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。 代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
  論文  参考訳（メタデータ） (2021-03-22T20:36:34Z)

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。