論文の概要: Pruned Traffic Trees: Native Semantic Compression with a Protocol-Structured Model Family for Encrypted Traffic Classification
- arxiv url: http://arxiv.org/abs/2608.21874v1
- Date: Sat, 22 Aug 2026 09:33:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 18:24:36.932237
- Title: Pruned Traffic Trees: Native Semantic Compression with a Protocol-Structured Model Family for Encrypted Traffic Classification
- Title（参考訳）: Pruned Traffic Trees: 暗号化トラフィック分類のためのプロトコル構造モデルファミリを用いたネイティブセマンティック圧縮
- Abstract要約: Pruned Traffic Trees (PTT) は、ネイティブプロトコル構造を圧縮単位として扱う3段階のプロトコル構造モデルファミリーである。
本稿では,プロトコル構造自体を圧縮オブジェクトとして扱うことにより,軽量な暗号化トラフィック分類のための効果的な性能・効率トレードオフを実現することを示す。
- 参考スコア（独自算出の注目度）: 5.6697818519339345
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning has achieved strong performance in encrypted traffic classification (ETC), yet its computational cost limits deployment on resource-constrained network devices such as routers and middleboxes. Existing compression methods mainly operate on weights, channels, hidden representations, or predictions, but do not explicitly determine which protocol fields and structural contexts should remain. We propose Pruned Traffic Trees (PTT), a three-level protocol-structured model family that treats native protocol structures as compression units. PTT-Full learns protocol-structured representations and field salience from complete Protocol Tree Graphs (PTGs), with flow-level self-supervised learning and protocol-presence-aware sparse execution. The learned salience and TopK+$k$ closure construct Distilled PTGs (PTG-Ds) for PTT-Distilled, while PTT-Lite inherits this topology and reduces width through structure-aligned transfer and flow-level logits distillation. Under flow-disjoint and Strong Information Information (SII)-masked settings, PTT-Full achieves Macro-F1 scores of 0.9519 and 0.9416 on CSTNET-TLS1.3 and CipherSpectrum, while PTT-Lite retains 0.9325 and 0.9136 with 80.3\% and 61.3\% fewer parameters, 98.85\% and 98.78\% lower effective GFLOPs, and 8.75$\times$ and 8.46$\times$ CPU inference speedups. These results demonstrate that treating protocol structure itself as the compression object enables effective performance-efficiency trade-offs for lightweight ETC.
- Abstract（参考訳）: 深層学習は暗号化トラフィック分類(ETC)において高いパフォーマンスを達成しているが、その計算コストはルータやミドルボックスなどのリソース制限されたネットワークデバイスへの展開を制限する。
既存の圧縮方法は、主に重み、チャネル、隠された表現、または予測で機能するが、どのプロトコルフィールドと構造的コンテキストが残るべきかを明確には決定しない。
Pruned Traffic Trees (PTT) は,ネイティブプロトコル構造を圧縮単位として扱う3段階のプロトコル構造モデルである。
PTT-Fullは、完全なプロトコルツリーグラフ(PTG)からプロトコル構造化表現とフィールドサリエンスを学び、フローレベルの自己教師付き学習とプロトコル存在を意識したスパース実行を行う。
学習された塩分とPopK+$kの閉鎖構造 PTT-Distilled PTGs (PTG-Ds) を継承し, PTT-Liteはこのトポロジーを継承し, 構造整合移動とフローレベルロジット蒸留により幅を縮小する。
CSTNET-TLS1.3 と CipherSpectrum のマクロF1スコアは 0.9519 と 0.9416 であり、PTT-Lite は 0.9325 と 0.9136 を 80.3\% と 61.3\% のパラメータで保持し、98.85\% と 98.78\% はより低い有効 GFLOP と 8.75$\times$ と 8.46$\times$ CPU の推論速度を保っている。
これらの結果から, プロトコル構造自体を圧縮対象として扱うことにより, 軽量ETCの効率的な性能・効率トレードオフが実現できることが示唆された。
関連論文リスト
- Mixtures of Subspaces for Bandwidth Efficient Context Parallel Training [54.43685601795611]
分散環境における通信効率のよいコンテキスト並列化のための圧縮手法を提案する。
我々の重要な洞察は、アクティベーション出力の本質的な低ランク構造を、学習されたサブスペースの混合に動的に拘束することで活用することである。
論文 参考訳（メタデータ） (2026-06-15T08:17:13Z) - TraceCodec: A Compiler-Backed Neural Codec for Stateful Multi-Flow Network Traffic Traces [10.977191979493968]
重要なネットワークの合法性は、テスト、セキュリティ分析、プロトコル検証のために高忠実度パケットキャプチャ(PCAP)を必要とする。
近年のパケットジェネレータはプロトコル制約付きPCAP合成を実証しているが、生のパケットフィールドに直接デコードする。
ステートフルなマルチフロートレースのための状態認識ニューラルネットワークであるTraceCodecを提案する。
論文 参考訳（メタデータ） (2026-05-28T13:52:40Z) - Physics-Informed Causal MDPs for Sequential Constraint Repair in Engineering Simulation Pipelines [0.0]
本稿では,制約依存が層状DAGを形成するCMDPのためのフレームワークであるPI-CMDPを紹介する。
工学シミュレーションパイプラインにおける制約修復におけるPI-CMDPのインスタンス化を行う。
論文 参考訳（メタデータ） (2026-04-20T07:40:15Z) - Reliable Hierarchical Operating System Fingerprinting via Conformal Prediction [62.40452053128524]
コンフォーマル予測(CP)は、既存の手法にラップして、保証されたカバレッジで予測セットを得ることができる。
この研究は、2つの異なる構造化CP戦略を導入し評価することで、これらの制限に対処する。
どちらの手法も妥当性を保証するが、レベルワイド効率と構造的整合性の間には根本的なトレードオフがある。
論文 参考訳（メタデータ） (2026-02-13T11:20:48Z) - PACC: Protocol-Aware Cross-Layer Compression for Compact Network Traffic Representation [10.787806670196938]
PACCは冗長性を認識した層対応表現フレームワークである。
機能のエンジニアリングと生のビットベースラインを一貫して上回る。
エンドツーエンドの効率を最大3.16倍改善する。
論文 参考訳（メタデータ） (2026-02-09T07:09:31Z) - Communication Efficient Multiparty Private Set Intersection from Multi-Point Sequential OPRF [11.846509777720415]
マルチパーティ・プライベート・セット・交差点(MPSI)は、複数の参加者がローカルに所有するデータセットの交点を公開せずに計算することができる。
既存のMPSIプロトコルのほとんどは、星、メッシュ、リングトポロジーに基づいている。
リングトポロジを持つMPSIプロトコルを開発し,通信の課題と計算オーバーヘッドに対処する。
論文 参考訳（メタデータ） (2025-05-31T13:50:40Z) - Efficient Token Compression for Vision Transformer with Spatial Information Preserved [59.79302182800274]
トーケン圧縮は、トランスモデルの計算およびメモリ要求の低減に不可欠である。
本稿では,Prune と Merge という,効率的なハードウェア互換のトークン圧縮手法を提案する。
論文 参考訳（メタデータ） (2025-03-30T14:23:18Z) - Contiguous Zero-Copy for Encrypted Transport Protocols [0.65268245109828]
プロトコル仕様内のフィールド要素の順序を逆転させることから、この方法論を"Reverso"と呼びます。
本稿では,データ転送中に暗号化プロトコルの実装最適化を行う方法を示す。
論文 参考訳（メタデータ） (2024-09-11T09:37:29Z) - Improving the Worst-Case Bidirectional Communication Complexity for Nonconvex Distributed Optimization under Function Similarity [92.1840862558718]
ダウンリンク圧縮のための新しい手法であるMARINA-Pを導入する。
置換圧縮機を用いたMARINA-Pは、作業者数に応じてサーバ間通信の複雑さを向上できることを示す。
本稿では,MARINA-Pとアップリンク圧縮とモーメントステップを組み合わせた手法であるM3を導入する。
論文 参考訳（メタデータ） (2024-02-09T13:58:33Z) - Towards Semantic Communication Protocols: A Probabilistic Logic
Perspective [69.68769942563812]
我々は,NPMを確率論理型言語ProbLogで記述された解釈可能なシンボルグラフに変換することによって構築された意味プロトコルモデル(SPM)を提案する。
その解釈性とメモリ効率を利用して、衝突回避のためのSPM再構成などのいくつかの応用を実演する。
論文 参考訳（メタデータ） (2022-07-08T14:19:36Z) - Data post-processing for the one-way heterodyne protocol under
composable finite-size security [62.997667081978825]
本研究では,実用的連続可変(CV)量子鍵分布プロトコルの性能について検討する。
ヘテロダイン検出を用いたガウス変調コヒーレント状態プロトコルを高信号対雑音比で検討する。
これにより、プロトコルの実践的な実装の性能を調べ、上記のステップに関連付けられたパラメータを最適化することができる。
論文 参考訳（メタデータ） (2022-05-20T12:37:09Z) - Sparse Tensor-based Multiscale Representation for Point Cloud Geometry
Compression [18.24902526033056]
Sparse Processing (STP) を用いたVoxelized PCGのマルチスケール表現による統合ポイントクラウド幾何 (PCG) 圧縮手法を開発した。
複雑性を適用することで複雑性を著しく減少させるのは、最も確率の高いVoxels(MP-POV)を中心とした畳み込みのみを実行するためである。
提案手法は,すべてのスケールでモデル共有を行うため,ポイントワイズによる軽量な複雑性と,小さなストレージ欲求を示す。
論文 参考訳（メタデータ） (2021-11-20T17:02:45Z)
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。