.png){kind=icon}
返回
MS-PreTE: A Multi-Scale Pre-Training Encoder for Mobile Encrypted Traffic Classification
.png){kind=icon}
OA
AI
DOI：10.3390/bdcc9080216.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
移动流量分类是网络安全系统的基本组成部分。近年来，预训练方法显著推动了该领域的发展。然而，由于移动流量通常混合第三方服务，此类共享服务的深度集成导致不同应用程序的TCP流特征高度相似。这使得现有流量分类方法难以有效识别移动流量。为应对这一挑战，我们提出了MS-PreTE，一种面向移动流量分类的两阶段预训练框架。MS-PreTE引入了一种新颖的多层次表示模型，以从不同视角和层级保留流量信息。此外，MS-PreTE整合了焦点注意力机制，以增强模型区分相似流量流中细微差异的能力。评估结果表明，MS-PreTE在三个移动应用数据集上实现了最先进性能，将Cross-platform（iOS）的F1分数提升至99.34%（提高2.1%），Cross-platform（Android）提升至98.61%（提高1.6%），NUDT-Mobile-Traffic提升至87.70%（提高2.47%）。此外，MS-PreTE在四个真实世界流量数据集上表现出强大的泛化能力。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
暂无期刊信息
机构
引用论文
A Network Traffic Classification Method Based on Dual-Mode Feature Extraction and Hybrid Neural Networks一种基于双模特征提取和混合神经网络的网络流量分类方法
PREAI
分享收藏分享收藏分享收藏LAMBERT: Leveraging Attention Mechanisms to Improve the BERT Fine-Tuning Model for Encrypted Traffic Classification.png)
Mathematics
OAAI
MathematicsIF0
OAAI分享收藏Optimizing Feature Selection for Efficient Encrypted Traffic Classification: A Systematic ApproachIEEE NETWORK
IEEE NETWORKIF6.3
PREAI
分享收藏分享收藏
查看更多内容