AI大模型赋能网络流量分类概述.pdfVIP

陈雪娇，付梦艺，王攀本期专题

AI大模型赋能网络流量分类概述MonthlyTopic

AI大模型赋能网络流量分类概述

OverviewofAIBigModelEmpoweringNetwork

TrafficClassification

122

陈雪娇，付梦艺，王攀（1.南京信息职业技术学院，江苏南京210023；2.南京邮电大学，江苏南京210003）

122

ChenXuejiao，FuMengyi，WangPan（1.NanjingVocationalCollegeofInformationTechnology，Nanjing210023，China；2.Nanjing

UniversityofPostsandTelecommunications，Nanjing210003，China）

摘要：关键词：

提出一个通用的AI驱动的网络流量分类框架，阐述了所涉及的工作流程、分类流量分类；流量识别；入侵检测；BERT；大模型

目标、设计原则以及典型场景等，并提出了一个基于BERT的网络流量分类模doi：10.12045/j.issn.1007-3043.2024.09.003

型，通过将输入的分组净荷进行向量化嵌入，然后送入BERT进行预训练，用于文章编号：1007-3043（2024）09-0013-07

实现流量数据的上下文理解并捕获双向特征，然后对接一个全连接网络对分类中图分类号：TN915.5

下游任务进行微调，从而实现流量分类。通过与AE、VAE、ByteSGAN3个经典文献标识码：A

的流量分类深度学习模型在CICIDS2017公开数据集上进行对比，发现BERT开放科学（资源服务）标识码（OSID）：

的精度明显高于其他方法。

Abstract：

ItintroducesacomprehensiveAI-drivenframeworkfornetworktrafficclassification，delineatingtheworkflow，classification

objectives，designprinciples，andtypicalapplicationscenarios.Additionally，itproposesaBERT-basedmodelfornetwork

trafficclassificationbyleveragingpacketpayloadvectorizationandembeddingitintoBERTforpre-trainingtoachieve

contextualcomprehensionoftrafficdataandcapturebidirectionalfeatures.Subsequently，fine-tuningisconductedusinga

fullyconnectednetworktoaccomplishtrafficclassificationtasks.Comparativeanalysiswiththreeclassicaltrafficclassification

deeplearningmodels（AE，VAE，andByteSGAN）ontheCICIDS2017publicdatasetdemonstratesthatBERTachieves

significantlyhigheraccuracythanothermethods.

Keywords：

Networktrafficclassification；Trafficidentification；Intrusiondetection；BERT；Bigmodel

引用格式：陈雪娇，付梦艺，王攀.AI大模型赋能网络流量分类概述［J］.邮电设计技术，2024（9）：13-19.