PERT: Payload Encoding Representation from Transformer for Encrypted Traffic Classification

计算机科学 有效载荷(计算) 加密 交通分类 嵌入 特征提取 人工智能 数据挖掘 字节 机器学习 计算机网络 网络数据包 计算机硬件
作者
Hong Ye He,Zhi Guo Yang,Xiang Ning Chen
标识
DOI:10.23919/ituk50268.2020.9303204
摘要

Traffic identification becomes more important yet more challenging as related encryption techniques are rapidly developing nowadays. In difference to recent deep learning methods that apply image processing to solve such encrypted traffic problems, in this paper, we propose a method named Payload Encoding Representation from Transformer (PERT) to perform automatic traffic feature extraction using a state-of-the-art dynamic word embedding technique. Based on this, we further provide a traffic classification framework in which unlabeled traffic is utilized to pre-train an encoding network that learns the contextual distribution of traffic payload bytes. Then, the downward classification reuses the pre-trained network to obtain an enhanced classification result. By implementing experiments on a public encrypted traffic data set and our captured Android HTTPS traffic, we prove the proposed method can achieve an obvious better effectiveness than other compared baselines. To the best of our knowledge, this is the first time the encrypted traffic classification with the dynamic word embedding alone with its pre-training strategy has been addressed.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
qz发布了新的文献求助10
2秒前
含蓄康发布了新的文献求助10
5秒前
YX完成签到,获得积分10
6秒前
JinYang完成签到,获得积分10
7秒前
chenchen完成签到,获得积分10
7秒前
9秒前
情怀应助yyyq0721采纳,获得10
9秒前
10秒前
乐乐应助科研通管家采纳,获得10
11秒前
8R60d8应助科研通管家采纳,获得10
11秒前
研友_VZG7GZ应助科研通管家采纳,获得10
11秒前
tuanheqi应助科研通管家采纳,获得20
11秒前
11秒前
隐形曼青应助科研通管家采纳,获得10
11秒前
顾矜应助科研通管家采纳,获得10
11秒前
8R60d8应助科研通管家采纳,获得10
11秒前
11秒前
11秒前
11秒前
CodeCraft应助科研通管家采纳,获得10
12秒前
12秒前
ZWE完成签到,获得积分10
12秒前
S-Lab Sonic发布了新的文献求助10
14秒前
山见山完成签到 ,获得积分10
15秒前
日富一日发布了新的文献求助20
15秒前
17秒前
夏明明完成签到,获得积分10
17秒前
852应助林林采纳,获得10
18秒前
18秒前
18秒前
19秒前
taotao发布了新的文献求助10
19秒前
不配.应助Bkang采纳,获得10
21秒前
小蘑菇应助phyllis采纳,获得10
22秒前
大黑狗发布了新的文献求助10
23秒前
星辰大海应助小猫钓鱼采纳,获得10
23秒前
JamesPei应助axhee采纳,获得10
24秒前
含蓄康完成签到,获得积分10
24秒前
情怀应助小怪采纳,获得10
24秒前
11完成签到 ,获得积分10
25秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 830
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3247668
求助须知:如何正确求助?哪些是违规求助? 2890943
关于积分的说明 8265433
捐赠科研通 2559211
什么是DOI,文献DOI怎么找? 1387967
科研通“疑难数据库(出版商)”最低求助积分说明 650670
邀请新用户注册赠送积分活动 627505