ネットワークトラフィック分類のためのデータセット安定性ベンチマーク

この論文は、データドリフトによるネットワークトラフィック分類におけるモデル劣化という重要な問題に対処しています。動的な環境でモデルの性能を維持するために不可欠な、データセットの安定性を評価するための新しい方法論とベンチマークワークフローを提案しています。データセットの弱点を特定し、最適化することに焦点を当てていることは、貴重な貢献です。

• •ネットワークトラフィック分類におけるデータドリフトの問題に対処。
• •データセットの安定性を評価するための新しい方法論を提案。
• •データセットを比較するためのベンチマークワークフローを紹介。
• •ドリフト検出を強化するためにMLの特徴量重みを使用。
• •CESNET-TLS-Year22データセットでの利点を実証。
• •データセットの弱点を特定し、最適化をガイドすることを目的とする。