jiamingzhu-user/shortcut-resistant-encrypted-traffic-classification

# 抗捷径多视图特征选择与语义增强的加密流量分类 论文代码： **Shortcut-Resistant Multi-view Feature Selection and Semantic Augmentation for Encrypted Traffic Classification** 本仓库包含抗捷径加密流量分类的核心流程。简而言之，它涵盖： - 从流量痕迹中提取旁路特征 - 使用 `MUMFS` 进行多视图特征选择 - 使用 `TAGAN-F` 进行少数类增强 - 采用分层决策模块进行风险感知推理 当前版本以 ISCX 作为特征提取和流程执行的运行示例，其他数据集遵循相同的提取和预处理逻辑。 ## 主要组件 - `mumfs.py`：基于 MUMFS 的多视图特征评分与自适应特征选择。 - `tagan_f.py`：TAGAN-F，一种用于少数类增强的语义感知表格 GAN。 - `layer_decision.py`：基于阈值路由和质心辅助专家选择的分层决策模块。 ## 文件 - `core_utils.py`：用于种子设置、计时、标准化和 XGBoost 训练的工具。 - `datasets.py`：ISCX CSV 加载、切分处理、视图构建与特征导出辅助工具。 - `extract_iscx_ultimate.py`：ISCX-VPN 设置的 PCAP 到 CSV 特征提取脚本。 - `run_iscx_pipeline.py`：公共流程的端到端训练与评估入口。 - `mumfs.py`：多视图图构建、稀疏哈希评分器与自适应选择器。 - `tagan_f.py`：带语义、相关性与特征匹配约束的条件 WGAN-GP 风格生成器。 - `layer_decision.py`：每类阈值校准、不确定性路由与基于质心的门控。 ## 数据集 - 论文中的实验基于公开数据集，包括 [ISCXVPN2016](https://www.unb.ca/cic/datasets/vpn.html)、[USTC-TFC2016](https://github.com/davidyslu/USTC-TFC2016)、[CSTNET-TLS 1.3](https://github.com/linwhitehat/ET-BERT) 和 [CipherSpectrum](https://cgi.cse.unsw.edu.au/~cspectrum/)。 - ISCX 提取器在此作为具体示例提供。其他数据集使用的提取逻辑遵循相同的捷径减少、旁路导向特征构造的整体设计原则。

标签：CSTNET-TLS 1.3, CSV特征导出, ISCX VPN 2016, MUMFS, PCAP特征提取, Python, SSL/TLS 加密流量, TAGAN-F, USTC-TFC2016, XGBoost训练, 不确定性路由, 侧信道特征提取, 分层决策模块, 加密流量分类, 多视图特征选择, 少数类增强, 快捷方式抗性, 数据分割, 无后门, 时间戳, 机器学习分类, 条件WGAN-GP, 标准化, 流量侧信道分析, 深度学习, 特征匹配约束, 生成对抗网络, 相关约束, 稀疏哈希评分器, 网络安全, 自适应选择器, 语义感知, 质心门控, 逆向工具, 阈值校准, 隐私保护