linwhitehat/ET-BERT

何を解決するか

ET-BERTは暗号化されたネットワークトラフィックの分類という課題に対処します。トラフィックの内容が暗号化されているため、従来のディープラーニングモデルはトラフィックの種類や生成元のアプリケーションを特定することが困難な場合があります。ET-BERTは、データグラム間の文脈的関係を学習することで、トラフィッククラスを正確に識別する方法を提供します。

動作方法

このプロジェクトは、BERTと同様のTransformerベースのアーキテクチャを使用して、暗号化されたトラフィックをデータグラムのシーケンスとして表現します。2段階のプロセスに従います：

1. 事前学習：大規模なラベルなし暗号化トラフィック上でモデルを訓練し、マルチレイヤーのアテンションを使用して一般的なデータグラム間およびトランスポート関係を学習します。
2. 微調整：特定のトラフィック分類シナリオ向けに、小さなラベル付きデータセット上でモデルを微調整し、特定のトラフィックタイプを識別します。

対象ユーザー

このツールは、監視、セキュリティ分析、ネットワーク管理のために暗号化トラフィックを分類する必要があるネットワークセキュリティ研究者やエンジニア向けに設計されています。

特徴

• 文脈的表現：パケットを個別に見るのではなく、データグラム間の関係を学習します。
• 事前学習アプローチ：専門化する前に、大規模なラベルなしトラフィックコーパスを使用して基礎的な理解を構築します。
• スケーラブル：微調整により、さまざまな暗号化トラフィックシナリオに適用可能です。
• 学術的根拠：The Web Conference (WWW) 2022で査読済み論文として発表された研究に基づいています。