MITC: 선택적 입력 압축을 통한 메모리 고효율 자기지도 비전 트랜스포머 기반 암호화 트래픽 분류 모델 연구
MITC: A Memory-Efficient Self-supervised Vision Transformer for Encrypted Traffic Classification via Selective Input Compression
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문에서는 기존 암호화 트래픽 분류 최신 모델들이 학습 데이터로 암호화된 페이로드를 이용함으로써 지니는 강건성 부족과 높은 연산복잡도로 실용성이 저하되는 문제에 주목하고 두 문제점을 해결 및 개선하기 위해서 MITC(Memory Improved Traffic Classifier) 모델을 제안한다. MITC는 암호화 알고리즘이 바뀌더라도 IP 레이어와 TCP/UDP 레이어의 헤더 특징만을 이용하기에 성능 일관성을 지키고, 기존 비전 트랜스포머모델 대비 입력 크기와 연산 복잡도를 낮추었음에도 기존 선행 연구 모델과 대등하거나 더 좋은 성능을 보여준다. MITC는 인공지능을 활용한암호화 트래픽 분류 연구를 실제 네트워크 환경에 적용 가능한 현실적인 해법에 접근했다는 점에 크게 기여한다.
Abstract
In this paper, we focus on the problems of the existing state-of-the-art encrypted traffic classification models that have low robustnessand high computational complexity due to using encrypted payloads as learning data, and propose the Memory Improved Traffic Classifier(MITC) model to solve and improve the two problems. MITC maintains performance consistency by using only the header features ofthe IP layer and TCP/UDP layer even when the encryption algorithm changes, and shows results equivalent to those of existing priorresearch models despite reducing the input size and computational complexity compared to the existing vision transformer model. MITCgreatly contributes to the study of encrypted traffic classification using artificial intelligence in that it approaches a realistic solutionthat can be applied to an actual network environment.