Resumen

Debido a la proliferacin de aplicaciones mviles, la identificacin del trfico mvil desempea un papel crucial en la comprensin del trfico de red. Sin embargo, las omnipresentes aplicaciones despreocupadas y las aplicaciones emergentes plantean grandes retos al mtodo de identificacin de trfico mvil basado en aprendizaje automtico supervisado, ya que dicho mtodo se limita a identificar y discriminar varias aplicaciones de inters. En este artculo proponemos un clasificador de tres capas que utiliza el aprendizaje automtico para identificar el trfico mvil en entornos de mundo abierto. El mtodo propuesto es capaz de identificar el trfico generado por aplicaciones despreocupadas y aplicaciones de da cero, por lo que puede aplicarse en el mundo real. Para validar el mtodo propuesto se utiliza un conjunto de datos de 160 aplicaciones. Los resultados experimentales muestran que nuestro clasificador alcanza una precisin superior al 98% y produce un nmero de falsos positivos mucho menor que el del estado del arte.

• Materias:Cifrados de bloques Seguridad cibernética Malware Ocultación de datos Cifrado homomórfico
• Subjects:Block ciphers Cyber security Malware Data hiding Homomorphic encryption
• Palabras claves:Aplicaciones móviles; Identificación del tráfico móvil; Tráfico de red; Aprendizaje automático supervisado; Clasificador de tres capas; Entornos de mundo abierto.
• Keywords:Mobile applications; Mobile traffic identification; Network traffic; Supervised machine learning; Three-layer classifier; Open-world settings