arXiv cs.AI· Mayan Sharma, Kriti Saini, Devansh Behl·· 11 小时前AI 评分34
划分协议决定结果：重新评估加密流量分类
The Split Protocol Decides the Result: Re-Evaluating Encrypted Traffic Classification
AI 导读
同一模型和代码在两个公开语料之一上，按文献标准评估协议可得 macro-F1 0.992，但改用将同一次抓包流量保留在同一侧的划分协议后仅得 0.567，差距 0.426（八个随机种子，Holm-Bonferroni 校正后 p = 0.008）。
正文 · AI 翻译
摘要：加密流量分类器通常被报告达到 95-99% 的准确率。我们证明，在两个公开语料库中的一个上，同一模型和代码在文献标准的评估协议下宏 F1 为 0.992，而在将来自同一次数据包捕获的流保留在划分同一侧的协议下为 0.567。除划分方式外没有任何变化（八个随机种子上的差距为 0.426，经 Holm-Bonferroni 校正后 p = 0.008）。
这种虚高并非随机划分本身固有的性质。在一个月的骨干网 QUIC 流量上，我们以各八个随机种子评估了五种划分协议：随机划分、时间划分和客户端不相交划分与会话不相交划分在统计上无法区分，而服务器不相交划分损失 0.192 宏 F1（d = 17.0，p = 0.008）。哪个轴重要取决于语料库的收集方式，而这从其标签空间中是看不出来的。
我们给出一种在任何模型训练之前就能识别正确轴的诊断方法：单标识符探针。仅基于捕获标识符的决策树在随机划分下达到 0.983，而在会话不相交划分下恰好为 0.000。
在这种评估下，一个经度量学习的流嵌入领先四个深度基线，但在二十种数据包大小上并未击败梯度提升树。我们自己的五项预注册架构主张失败：基于距离的未知应用拒识优于 softmax 阈值化，但消融所有度量目标反而使拒识效果更好，因为类别分离度与拒识质量的相关系数为 r = -0.88。少样本注册在同一语料库内表现平平，但跨语料库时，每类五个有标签流可弥补失败的零样本迁移所留下的 91% 差距。
所有划分、结果、代码和负面发现均已发布。
| 评论： | 12 页，4 幅图，6 张表 代码和数据划分：此 https URL |
| 主题： | 机器学习 (cs.LG)；人工智能 (cs.AI) |
| ACM 分类： | C.2.3；I.2.6 |
| 引用为： | arXiv:2611.06290 [cs.LG] |
| （或 arXiv:2611.06290v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.06290 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Mayan Sharma [查看邮箱]
[v1]
2026 年 11 月 4 日星期三 10:25:50 UTC（75 KB）
来源：arXiv cs.AI · arxiv.org