Traffic-CBM

新框架增强了加密流量分类的可解释性

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。