Private Protocol Reverse Engineering via Self-Supervised Learning-Based Message Segmentation

Junchen Li

doi:10.1109/TIFS.2026.3657097

Private Protocol Reverse Engineering via Self-Supervised Learning-Based Message Segmentation

2026-01-22

0

PRE

AI

DOI：10.1109/TIFS.2026.3657097

原文链接

摘要

En 中文

私有协议逆向工程是解决当前网络环境中未知流量问题的主要方法，这些流量给当前网络环境带来了巨大的安全风险。基于网络流量的协议逆向工程方法不仅是流量安全监管的基础，而且应用广泛且灵活。这些方法利用不同视角的多种算法从消息中提取协议规范，但未能认识到消息分段的重要性，也未充分评估相邻字节之间的关系，导致性能不够精确。为解决这些问题，本文提出了一种基于自监督学习的消息分段方法SLMSP，用于私有协议逆向工程。SLMSP通过自监督学习挖掘相邻字节间词序和词义的丰富嵌入信息，然后基于这些信息的融合对消息应分段的位置做出最优决策，并结合了横向推理和纵向修正。随后，SLMSP通过引入渐进序列合并算法，基于细粒度的消息分段提取协议格式。我们进行了全面的实验来证明SLMSP的有效性。实验结果表明，SLMSP在消息分段和格式推理方面均达到了理想性能，并且相较于先前工作具有优势。

Keyword:

Private protocol

protocol reverse engineering

self-supervised learning

message segmentation

format inference

Private Protocol Reverse Engineering via Self-Supervised Learning-Based Message Segmentation

摘要

期刊

机构

引用论文