JA4-JEPA aplica el aprendizaje predictivo estilo JEPA a las huellas digitales de red JA4

Los autores exploran si los objetivos de aprendizaje predictivo estilo JEPA, que coinciden con las predicciones latentes con las salidas del codificador objetivo, pueden aplicarse eficazmente a huellas digitales de red compactas. Introducen JA4-JEPA, un modelo basado en Transformer entrenado con aproximadamente 397K muestras de los subcampos JA4, JA4H, JA4S y JA4X de los conjuntos de datos JA4DB y CIC-IDS-2017.

• El modelo se evaluó utilizando una sonda kNN congelada para la clasificación de familias de protocolos en TLS, DNS y SSH.
• En 39.416 muestras retenidas, el modelo logró una similitud coseno de 0.9899 y una precisión kNN de 0.9220.

Estos resultados indican que el aprendizaje predictivo estilo JEPA puede producir incrustaciones útiles a partir de huellas derivadas de JA4, incluso cuando hay una superposición incompleta de vistas entre las fuentes de entrenamiento.