linwhitehat/ET-BERT

해결하는 문제

ET-BERT는 암호화된 네트워크 트래픽을 분류하는 문제를 해결합니다. 트래픽의 내용이 암호화되어 있기 때문에 기존의 딥러닝 모델은 트래픽의 유형이나 생성된 애플리케이션을 식별하는 데 어려움을 겪습니다. ET-BERT는 데이터그램 간의 문맥적 관계를 학습함으로써 트래픽 클래스를 정확히 식별할 수 있는 방법을 제공합니다.

작동 방식

이 프로젝트는 BERT와 유사한 Transformer 기반 아키텍처를 사용하여 암호화된 트래픽을 데이터그램의 시퀀스로 표현합니다. 두 단계의 프로세스를 따릅니다:

1. 사전 훈련: 대규모의 레이블이 없는 암호화된 트래픽을 기반으로 다층 어텐션을 사용하여 일반적인 데이터그램 간 및 전송 계층 관계를 학습합니다.
2. 미세 조정: 특정 트래픽 분류 시나리오를 위해 소규모 레이블 데이터셋으로 모델을 미세 조정하여 특정 트래픽 유형을 식별합니다.

대상 사용자

이 도구는 모니터링, 보안 분석, 네트워크 관리를 위해 암호화된 트래픽을 분류해야 하는 네트워크 보안 연구자 및 엔지니어를 위한 것입니다.

주요 특징

• 문맥적 표현: 패킷을 개별적으로 보는 대신 데이터그램 간의 관계를 학습합니다.
• 사전 훈련 방식: 전문화하기 전에 대규모 레이블 없는 트래픽 코퍼스를 사용하여 기초적인 이해를 구축합니다.
• 확장성: 미세 조정을 통해 다양한 암호화된 트래픽 시나리오에 적용 가능합니다.
• 학술적 기반: The Web Conference (WWW) 2022에서 심사된 논문에 기반합니다.