Resumen

Debido a la proliferación de aplicaciones móviles, la identificación del tráfico móvil juega un papel crucial en la comprensión del tráfico de red. Sin embargo, las aplicaciones descuidadas y las aplicaciones emergentes plantean grandes desafíos para el método de identificación de tráfico móvil basado en aprendizaje automático supervisado, ya que dicho método solo identifica y discrimina varias aplicaciones de interés. En este artículo, proponemos un clasificador de tres capas que utiliza aprendizaje automático para identificar el tráfico móvil en entornos de mundo abierto. El método propuesto tiene la capacidad de identificar el tráfico generado por aplicaciones descuidadas y aplicaciones de día cero; por lo tanto, puede aplicarse en el mundo real. Se utiliza un conjunto de datos autorecolectado que contiene 160 aplicaciones para validar el método propuesto. Los resultados experimentales muestran que nuestro clasificador logra más del 98% de precisión y produce un número mucho menor de falsos positivos que el estado del arte.

• Materias:Cifrados de bloques Seguridad cibernética Malware Ocultación de datos Cifrado homomórfico
• Subjects:Block ciphers Cyber security Malware Data hiding Homomorphic encryption
• Palabras claves:Aplicaciones móviles; Identificación del tráfico móvil; Tráfico de red; Aprendizaje automático supervisado; Clasificador de tres capas; Entornos de mundo abierto.
• Keywords:Mobile applications; Mobile traffic identification; Network traffic; Supervised machine learning; Three-layer classifier; Open-world settings