Исследователи ВМК МГУ изучили методы машинного обучения для классификации мобильного трафика в условиях его шифрования и оценили возможность адаптации моделей с помощью переноса обучения (transfer learning). Работа посвящена анализу подходов, позволяющих выявлять закономерности в сетевых данных и адаптировать модели к изменяющимся условиям без полного переобучения.
Классификация мобильного трафика важна для мониторинга сетей связи, контроля качества обслуживания и выявления аномалий. В современных мобильных сетях значительная часть данных передаётся в зашифрованном виде, что существенно ограничивает использование сигнатурных методов анализа и технологии глубокого анализа пакетов (Deep Packet Inspection, DPI). В этих условиях востребованы методы машинного обучения, способные автоматически извлекать информативные признаки и выявлять сложные зависимости в сетевых данных.
В рамках работы был проведён анализ научных публикаций по теме исследования, реализован конвейер обработки данных (pipeline) для подготовки и анализа сетевых данных, а также построены модели машинного обучения. Были разработаны модели глубокого обучения и выполнена их экспериментальная оценка.
Отдельное внимание было уделено переносу обучения (transfer learning). Этот подход предполагает предварительное обучение модели на исходном наборе данных с последующей адаптацией к новому домену посредством дообучения. Такой механизм позволяет использовать уже обученные модели и адаптировать их к новым условиям без необходимости полного переобучения и сбора больших объёмов новых размеченных данных.
«Сегодня значительная часть мобильного трафика передаётся в зашифрованном виде, что существенно усложняет применение традиционных методов анализа сетевых данных. В нашей работе мы исследовали, насколько методы глубокого обучения могут быть применимы для классификации такого трафика и как перенос обучения позволяет адаптировать модели к новым условиям без полного переобучения», — отметил ассистент кафедры системного программирования ВМК МГУ Александр Гетьман.
Полученные результаты позволяют оценить применимость методов глубокого обучения для классификации зашифрованного мобильного трафика и подтверждают возможность использования переноса обучения для адаптации моделей к изменяющимся условиям работы сетей и обновлениям приложений.
Работа была представлена на научной конференции «Ломоносовские чтения» на факультете вычислительной математики и кибернетики МГУ.
Источник: ВМК МГУ имени М.В. Ломоносова
