加密视频流量分类中一维到二维数据转换方案的系统比较

《Electronics》：Structured 2D Data Transformations for Resource-Efficient and Explainable CNN-Based Encrypted Video Traffic Classification

　　

摘要

现代密码协议的广泛采用使得传统的报文载荷检测变得过时，推动网络管理转向基于深度学习的流量行为分析。尽管卷积神经网络（CNN）已成为分类加密视频流量的有力工具，但对于不同的从一维到二维数据转换方案如何影响分类准确率、计算复杂度和模型可解释性，仍然缺乏系统性的理解。在本研究中，作者比较了九种数据转换方案，将其分为数学编码类和统计特征–时间表示类，并在标准化的CNN流水线中进行评估，同时以大型视觉模型（包括ResNet-50和视觉Transformer（ViT））作为基准。使用真实的加密视频流量轨迹，结果表明，结构化表示（如特征分组矩阵和多尺度矩阵）实现了较高的细粒度分类性能，优于格拉姆角场等数学编码方法，同时将训练时间减少了21.4×–23.9×。通过梯度加权类激活映射（Grad-CAM）和注意力-突发比（Attention-to-Burst）进行的可解释性分析表明，CNN在基于HTTP的动态自适应流（DASH）中同时利用活跃下载突发和提供商特定的静默间隔作为判别线索，而ViT由于缺乏空间归纳偏置，在从头训练时导致全局-分数下降高达12个百分点，训练延迟增加。本文得出结论：结构化特征–时间表示为实时、可解释的边缘网络部署提供了最优的权衡。