PulseAugur
中
实时 05:24:53
English(EN) Traffic-CBM: A Structurally Interpretable Multimodal Framework for Encrypted Traffic Classification

新框架增强了加密流量分类的可解释性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了Traffic-CBM，一个旨在提高加密流量分类可解释性的新框架。与使用不透明潜在特征的现有方法不同，Traffic-CBM将多模态流量证据组织到分层概念空间中。这种方法将流统计信息、数据包序列和字节级表示映射到不同的概念，从而可以更清晰地分析不同类型的证据如何促成预测。在多个基准上的评估表明，Traffic-CBM在提供比传统端到端融合模型更透明的决策过程解释的同时，实现了具有竞争力的分类性能。 AI

排序理由 该集群包含一篇详细介绍加密流量分类新框架的研究论文。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架增强了加密流量分类的可解释性

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Honglei Jin, Wenshuo Chen, Shaofeng Liang, Haozhe Jia, Menshuo Zhao, Shuxu Jin, Songning Lai, Yutao Yue ·

    Traffic-CBM: A Structurally Interpretable Multimodal Framework for Encrypted Traffic Classification

    arXiv:2606.29909v1 Announce Type: new Abstract: Encrypted traffic classification has achieved strong performance, but its decision process remains difficult to interpret. Existing methods usually combine flow statistics, packet sequences, and byte-level representations into opaqu…

相关话题