Resumen

Las tecnologías de clasificación del tráfico de red podrían ser utilizadas por atacantes para implementar monitoreo de red y luego lanzar ataques de análisis de tráfico o ataques de huella digital de sitios web. Con el fin de prevenir tales ataques, se propone una nueva forma de generar muestras adversarias de tráfico de red desde la perspectiva del defensor. Al agregar perturbaciones al tráfico de red normal, se forma un tipo de tráfico de red adversario, que causará una clasificación errónea cuando los atacantes estén implementando la clasificación de tráfico de red con redes neuronales convolucionales profundas (CNN) como modelo de clasificación. El artículo utiliza el concepto de muestras adversarias en el reconocimiento de imágenes como referencia para el campo de la clasificación de tráfico de red y elige varios métodos diferentes para generar muestras adversarias de tráfico de red. El experimento, en el que se selecciona LeNet-5 CNN como modelo de clasificación utilizado por los atacantes y Vgg16 CNN como modelo para probar la transferibilidad del tráfico de red adversario generado, muestra el

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Clasificación de tráfico de red; Atacantes; Muestras adversariales; Redes neuronales convolucionales profundas; LeNet-5; Vgg16
• Keywords:Network traffic classification; Attackers; Adversarial samples; Deep convolutional neural networks; LeNet-5; Vgg16