Application of natural language processing techniques to network traffic processing for classification using deep learning models

Share

Abstract

Antecedentes: El rápido crecimiento del tráfico de red cifrado ha aumentado la necesidad de una clasificación del tráfico de red (NTC) eficaz y no sesgada. Las técnicas tradicionales tienen dificultades con los datos cifrados, la disponibilidad limitada de características y el elevado volumen de tráfico, lo que reduce su fiabilidad en escenarios reales. Métodos: Proponemos una metodología de preprocesamiento novedosa que analiza el tráfico de red en bruto y lo transforma en un formato textual (nt2txt), lo que permite aplicar técnicas de Procesamiento del Lenguaje Natural (NLP) y de Aprendizaje Profundo. Este enfoque elimina el sesgo derivado de los metadatos de protocolo, estructura los datos en semi-flujos de tamaño fijo y utiliza una división rigurosa de los datos para evitar el solapamiento de flujos entre entrenamiento y prueba. A continuación, se entrena un modelo basado en LSTM para clasificar el tráfico utilizando únicamente los datos de la carga útil (payload). Resultados: Este trabajo proporciona un marco escalable e independiente del protocolo para la clasificación de tráfico cifrado, demostrando la eficacia de las técnicas de NLP para mejorar el rendimiento del modelo y reducir el sesgo del conjunto de datos. Nuestra metodología alcanzó una precisión del 88,87 ± 0,04% en un conjunto de datos externo ciego, superando a modelos similares LSTM e híbridos CNN-LSTM. Métricas como la Kappa de Cohen y el Coeficiente de Correlación de Matthews confirman además la robustez y la generalizabilidad de nuestro enfoque. [Traducción automática al español; idioma original: inglés.]