Improvement of Encrypted Traffic Classification Performance Using Mean Flow Spectrum

Mean FlowSpectrum을 활용한 암호화된 트래픽 분류 성능 개선 연구

암호화된 트래픽의 증가로 인해 기존 페이로드 기반 분석 기법의 활용이 어려워지면서, 복호화 없이도 효과적으로 트래픽을 분류할 수 있는 새로운 특징 추출 및 분류 기법이 요구되고 있다. 본 연구에서는 기존 FlowSpectrum 기법이 스펙트럼 라인 간의 간격만을 기반으로 유사도를 계산함에 따라 라인 간 겹침 시 분류 정확도가 저하되는 문제를 해결하고자, 평균값 비교 과정을 추가한 Mean FlowSpectrum 기법을 제안한다. 제안된 방법은 각 트래픽의 스펙트럼 평균값을 활용하여 전체적인 분포의 차이를 고려함으로써 분류의 정밀도를 높인다. ISCX-VPN2016 데이터셋을 기반으로진행된 실험에서는, 기존 FlowSpectrum 대비 전반적인 정확도에서 약 5%p 향상된 성능을 보였으며, 특히 스트리밍, 파일 전송 등 일부 레이블에서 f1-score 기준 0.1 이상 향상된 결과를 확인할 수 있었다. 이는 평균값 기반의 보조 지표가 암호화된 트래픽 분류 성능 향상에 효과적으로 기여할 수 있음을 시사한다.