На ВМК МГУ исследовали методы классификации зашифрованного мобильного трафика

Дата публикации: 04-06-2026 13:06:26

Исследователи факультета вычислительной математики и кибернетики МГУ изучили методы машинного обучения для классификации мобильного трафика в условиях его шифрования и оценили возможность адаптации моделей с помощью переноса обучения (transfer learning). Работа посвящена анализу подходов, позволяющих выявлять закономерности в сетевых данных и адаптировать модели к изменяющимся условиям без полного переобучения. Работа была представлена на научной конференции «Ломоносовские чтения».
Классификация мобильного трафика важна для мониторинга сетей связи, контроля качества обслуживания и выявления аномалий. В современных мобильных сетях значительная часть данных передаётся в зашифрованном виде, что существенно ограничивает использование сигнатурных методов анализа и технологии глубокого анализа пакетов (Deep Packet Inspection, DPI). В этих условиях востребованы методы машинного обучения, способные автоматически извлекать информативные признаки и выявлять сложные зависимости в сетевых данных.
Ученые факультета ВМК МГУ провели анализ научных публикаций по данной теме, реализовали конвейер обработки данных (pipeline) для подготовки и анализа сетевых данных и построили модели машинного обучения. Были разработаны модели глубокого обучения и выполнена их экспериментальная оценка.
Отдельное внимание было уделено переносу обучения (transfer learning). Этот подход предполагает предварительное обучение модели на исходном наборе данных с последующей адаптацией к новому домену посредством дообучения. Такой механизм позволяет использовать уже обученные модели и адаптировать их к новым условиям без необходимости полного переобучения и сбора больших объёмов новых размеченных данных.
«Сегодня значительная часть мобильного трафика передаётся в зашифрованном виде, что существенно усложняет применение традиционных методов анализа сетевых данных. В нашей работе мы исследовали, насколько методы глубокого обучения могут быть применимы для классификации такого трафика и как перенос обучения позволяет адаптировать модели к новым условиям без полного переобучения», — отметил ассистент кафедры системного программирования факультета ВМК МГУ Александр Гетьман.
Полученные результаты позволяют оценить применимость методов глубокого обучения для классификации зашифрованного мобильного трафика и подтверждают возможность использования переноса обучения для адаптации моделей к изменяющимся условиям работы сетей и обновлениям приложений.

Схожие новости

#	Наименование новости	Тональность	Информативность	Дата публикации
1	В МГУ предложили способ точной оценки качества автоматической сортировки писем	0	5	16-06-2026
2	В МГУ предложили метод распознавания 3D–объектов с меньшими затратами памяти	5	7	24-06-2026
3	TCP-S: шифрование трафика на 4 уровне модели OSI.	0	5	04-05-2026
4	В МГУ прошла одна из старейших конференций России по компьютерной лингвистике	0	5	26-06-2026
5	«Форк ИТ» обучил в облаке Cloud.ru ИИ-систему для контроля качества горнодобычи	0	5	26-06-2026
6	Дмитрий Сергеевич Ватолин – лауреат премии «Технотекст»	5	7	01-06-2026
7	Билайн запустил перенос минут и гигабайт из роуминга в домашнюю сеть	5	7	24-06-2026
8	МегаФон показал лучшую скорость мобильного интернета на трассах Подмосковья	3	6	26-06-2026
9	Servicepipe выпускает Digital Fraud Protection: систему глубокой аналитики трафика для выявления мошенничества	0	5	24-06-2026
10	Шифруй и шифруйся	0	5	02-05-2012

Классификация: . Схожих патентов: 0. Схожих новостей: 10. Тональность: 0. Информативность: 7. Источник: cs.msu.ru.