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.

解決的問題

ET-BERT 解決了加密網路流量分類的挑戰。由於流量內容被加密，傳統的深度學習模型往往難以識別流量類型或產生它的應用程式。ET-BERT 提供了一種方法，透過學習資料報之間的上下文關係，準確識別流量類別。

工作原理

本專案使用類似 BERT 的 Transformer 架構，將加密流量表示為一系列資料報。它遵循兩個步驟的過程：

  1. 預訓練：在大規模無標籤加密流量上訓練模型，利用多層注意力機制學習通用的資料報間與傳輸層關係。
  2. 微調：然後在小規模帶標籤資料集上對模型進行微調，以識別特定的流量類型。

適用對象

此工具專為需要對加密流量進行分類以用於監控、安全分析或網路管理的網路安全研究人員和工程師設計。

主要亮點

  • 上下文表示：學習資料報之間的關係，而非孤立地看待封包。
  • 預訓練方法：使用大規模無標籤流量語料庫建立基礎理解，再進行專門化。
  • 可擴展性：透過微調可應用於各種加密流量情境。
  • 學術基礎：基於 The Web Conference (WWW) 2022 上發表的同行評審論文。

相關