暗号化トラヒック分類と未知データ検出のための深層学習【JST・京大機械翻訳】

Pathmaperuma Madushi H.; Rahulamathavan Yogachandran; Dogan Safak; Kondoz Ahmet M.; Lu Rongxing

プレプリント

J-GLOBAL ID：202202208455889515 整理番号：22P0312151

暗号化トラヒック分類と未知データ検出のための深層学習【JST・京大機械翻訳】

Deep Learning for Encrypted Traffic Classification and Unknown Data Detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年03月25日プレプリントサーバーでの情報更新日： 2022年03月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

インターネット通信の機密性を提供するための暗号技術の広範な使用にもかかわらず,モバイルデバイスユーザはプライバシーとセキュリティリスクに対してまだ影響を受けやすい。本論文では,新しい深層ニューラルネットワーク(DNN)ベースのユーザ活動検出フレームワークを提案し,スニッフした暗号化インターネットトラフィックストリームからモバイルアプリケーション(インザップ活動として知られている)上で実行される細粒ユーザ活動を同定した。課題の一つは,無数のアプリケーションがあり,それらから全ての可能なデータを用いてDNNモデルを収集・訓練することは不可能であることである。したがって,本研究では,DNN出力層の確率分布を利用して,モデル訓練中に考慮されないアプリケーションからのデータをフィルタリングした(即ち,未知データ)。提案フレームワークは,活動のトラヒックフローをセグメントに分割するために,時間ウィンドウベース手法を使用し,従って,活動関連トラフィックの分率だけを観察することによって,インザップ活動を同定できる。著者らのテストは,DNNベースのフレームワークが,以前に訓練されたインザップ活動の同定において90%以上の精度を示し,また,このフレームワークが採用されるとき,未知のデータとして以前に訓練されていないインザップ活動トラフィックの同定において,79%の平均精度を実証した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

移動通信 , 人工知能 , その他の情報処理 , データ保護

, , ,

前のページに戻る