.png){kind=icon}
返回
PacketDiff: A Flow Guided Diffusion Model for Network Packet Trace Generation
.png){kind=icon}
PRE
AI
DOI：10.1109/JIOT.2025.3587658.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在大型物联网（IoT）网络中，生成高保真度数据包跟踪数据（例如，数据包大小、数据包时间间隔）对于开发更强大和精确的网络分析工具至关重要。数据包数据有助于改进监控、威胁检测以及定制资源分配策略的设计，以提升用户体验。然而，由于物联网服务的固有变异性以及网络数据包之间的复杂时间依赖性，为多种服务生成详细的数据包跟踪数据仍然是一项具有挑战性的任务。在本文中，我们提出了PacketDiff，一种新颖的扩散模型，基于统计网络数据（即网络流数据）为各种服务生成网络数据包跟踪数据。我们首先设计了一个IP图来表征和学习的不同物联网设备在服务使用方面的偏好关系。随后，设计了一个无分类器引导的降噪网络，该网络集成了网络流信息，并采用双层Transformer架构来增强生成过程的可控性。与依赖物联网流量数据中统计模式简单复制且未能考虑物联网网络动态和多样性的传统方法不同，我们的方法提供了一种更稳健和准确的解决方案。在两个真实物联网数据集上进行的广泛实验表明，PacketDiff能够紧密逼近真实的网络数据包数据，特别是在平均数据包大小和时间间隔等关键特征方面，分别实现了43.4%和39.02%的改进。
Keyword:
Data generation
diffusion model
mobile networks
network packet trace
期刊
IF:
8.9
论文数:
1.4W
被引数:
7.8W
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容