linwhitehat/ET-BERT

The repository of ET-BERT, a network traffic classification model on encrypted traffic. The work has been accepted as The Web Conference (WWW) 2022 accepted paper.

解决的问题

ET-BERT 解决了加密网络流量分类的挑战。由于流量内容被加密，传统的深度学习模型往往难以识别流量类型或生成它的应用程序。ET-BERT 提供了一种方法，通过学习数据报之间的上下文关系，准确识别流量类别。

工作原理

该项目使用类似 BERT 的 Transformer 架构，将加密流量表示为一系列数据报。它遵循两个步骤的过程：

  1. 预训练：在大规模无标签加密流量上训练模型，利用多层注意力机制学习通用的数据报间和传输层关系。
  2. 微调：然后在小规模带标签数据集上对模型进行微调，以识别特定的流量类型。

适用人群

此工具专为需要对加密流量进行分类以用于监控、安全分析或网络管理的网络安全部门研究人员和工程师设计。

主要亮点

  • 上下文表示：学习数据报之间的关系，而非孤立地看待数据包。
  • 预训练方法：使用大规模无标签流量语料库建立基础理解，再进行专业化。
  • 可扩展性：通过微调可应用于各种加密流量场景。
  • 学术基础：基于在 The Web Conference (WWW) 2022 上发表的同行评审论文。

相关