抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ネットワークトラフィック分類は,ネットワークトラフィック管理,政策強化,および侵入検知システムのような様々なアプリケーションで使用されている。ほとんどのアプリケーションは,それらのネットワークトラフィックを暗号化し,それらのいくつかは,それらのポート数,機械学習(ML),および特に深い学習(DL)ベースの分類器を,ネットワークトラフィック分類において印象的な性能を示した。本論文では,Adversarialネットワークトラフィック(ANT)に対するDLベースネットワークトラヒック分類器のロバスト性を評価した。ANTは,DLベースネットワークトラフィック分類器を,ユニバーサル敵対摂動(UAP)生成手法を用いて不正確に予測することを引き起こす。ANTを送る前にネットワークトラフィックをバッファする必要がないので,それは生まれる。DLベースのネットワークトラフィック分類の入力空間を3つのカテゴリーに分割した:パケット分類,フローコンテンツ分類,およびフロー時系列分類。ANTを生成するために,ネットワークトラフィックにUAPを注入する3つの新しい攻撃を提案した。AdvPad攻撃はパケットの内容にUAPを注入し,パケット分類器のロバスト性を評価する。AdvPay攻撃は,フローコンテンツ分類器のロバスト性を評価するためにダミーパケットのペイロードにUAPを注入する。AdvBurst攻撃は,フロー時系列分類器のロバスト性を評価するために,フローの選択されたバーストにUAPに基づく工芸された統計的特徴を有するダミーパケットの特定の数を注入する。結果は,ネットワークトラフィックに少しのUAPを注入して,すべてのカテゴリーにおいてDLベースのネットワークトラフィック分類装置の性能を大いに減少することを示した。【JST・京大機械翻訳】