Flow-Aware Synthetic Packet Generation With Header-Timing Dependency Modeling Using a Diffusion Model

doi:10.1109/access.2026.3702127

Flow-Aware Synthetic Packet Generation With Header-Timing Dependency Modeling Using a Diffusion Model

2026-01-01

0

PRE

AI

DOI：10.1109/access.2026.3702127

原文链接

原文求助

摘要

En 中文

近年来，网络与安全领域的分析已从基于流统计的方法转向更详细的包级流量行为分析，包括包头结构和到达间隔时间（IAT）。这些特征对于捕捉多种通信服务的内部结构和时序特征至关重要。然而，在实际运行环境中大规模收集真实包数据因隐私担忧和运营成本而困难。因此，能够保持真实数据统计特性的合成数据生成技术正日益受到关注。现有方法要么仅关注基于流统计的表格数据生成，要么在生成包数据时无法同时再现包头结构和时序依赖关系。本研究提出了一种包数据生成方法，该方法联合建模包头结构与IAT之间的依赖关系。所提方法利用基于差分的学习建模流内的状态转换，并采用结合FiLM和自注意力的条件扩散模型，以实现结构和时序信息的集成生成。在CICIDS-2017数据集上的实验表明，所提方法相比现有方法提高了包头分布和IAT分布的再现性。在异常检测应用场景中，基于生成数据训练的模型达到0.701的AUC，接近真实数据训练的0.717，表明所提方法成功捕捉了包头结构与时序信息之间的依赖关系。

Keyword:

Modeling

Fluid flow

Sequences

Sequential analysis

TCP

IP networks

Training

Distance measurement

Learning (artificial intelligence)

Poles and zeros

Diffusion model

synthetic network traffic

packet-level generation

header

timing dependency

inter-arrival time (IAT)

conditional generation

Flow-Aware Synthetic Packet Generation With Header-Timing Dependency Modeling Using a Diffusion Model

摘要

期刊

机构

引用论文